Question

在Convolution2D的Keras文档中input_shape一个128x128 RGB图片由input_shape=(3, 128, 128)给出，因此我认为第一个组件应该是平面（或要素图层）的数量。

如果我运行以下代码：

model = Sequential()
model.add(Convolution2D(4, 5,5, border_mode='same', input_shape=(3, 19, 19), activation='relu'))
print(model.output_shape)

我得到output_shape (None, 3, 19, 4)，而在我的理解中，这应该是(None, 4, 19, 19)，其中包含4个过滤器数。

这是keras文档示例中的错误还是我遗漏了什么？

（我正在尝试重新创建AlphaGo的一部分，因此19x19是与图像大小相对应的电路板尺寸。）

Answer 1

您使用Theano维度排序(channels, rows, cols)作为输入，但您的Keras似乎使用Tensorflow (rows, cols, channels)。

因此，您可以直接在代码中切换到Theano维度排序：

import keras.backend as K K.set_image_dim_ordering('th')

或者编辑keras.json文件（通常在~\.keras中）并切换

"image_dim_ordering": "tf"至"image_dim_ordering": "th"

或者您可以保持Tensorflow维度排序并将input_shape切换为(19,19,3)

Answer 2

是的，应该是（无，4,19,19）。在keras中有一个叫dim_ordering的东西决定了number of input channels放置哪个索引。查看documentation中“dim_ordering”参数的文档。我的设置为'tf'。

因此;只需将input shape更改为(19, 19, 3)，就像这样

model.add(Convolution2D(4, 5,5, border_mode='same', input_shape=(19, 19,3), activation='relu'))

然后检查输出形状。

您也可以根据自己的喜好dim_ordering修改文件中的~/.keras/keras.json