我试图在python3.5上复制Tim O＆＃39; shea的RadioML，然后再玩它并且一直在编辑他的公开代码：https://github.com/radioML/examples/blob/master/modulation_recognition/RML2016.10a_VTCNN2_example.ipynb
在第[5]页，我更改了行＆＃34; model.add（ZeroPadding2D（（0,2）））＆＃34; to＆＃34; model.add（keras.layers.ZeroPadding2D（padding =（0,0）））＆＃34;，因为我使用keras 2而不是像他的python日志中的keras 1.2，在模型中获取输出形状。 （None，1,2,128）的summary（），其中示例输出显示我应该得到的形状是（None，1,2,132）。这减少了所有后续输出形状，因为它是一个顺序模型，并略微减少了我的最终参数＃。我已经倾听了Keras 2的文档，并尝试了一些修复，但无法看到我如何能够改变第四个索引输出形状，更不用说132而不改变输入到它的输出的Reshape层大小为132，但它应该保持1,2,128。
请温柔我是新来的NN！ ：）
答案 0 :(得分：0)
填充层添加了＆＃39; 0＆＃39;行/列到它的任何一侧的输入张量。您将填充层从（0,2）更改为（0,0），因此它从两侧的填充2个单元格（总共4个）到两侧填充0个单元格（总共0个）。
该图层的输入是形状（无，1,2,128）所以当你用0个单元格填充它时，你根本不会改变它，并且仍然有一个形状的张量（None，1， 2,128 + 0 = 128）。您链接的github页面的代码有一个带有参数（0,2）的填充层，这意味着它将2个单元格填充到其输入张量的任一侧，从而产生一个大小的张量（无，1,2） ，128 + 2 + 2 = 132）。
如果你想保持相同的尺寸（无，1,2,132），你必须填充图像（通过传递＆＃39;（0,2）＆＃39;到填充层，正如在github上所做的那样）或在＆＃39; conv1＆＃39;之前执行一些其他操作。将你的张量扩大4个细胞的层
答案 1 :(得分：0)
@Kyle McClintick已通过替换此代码来解决此问题，如注释中所述
model.add(ZeroPadding2D((0,2)))
与此
model.add(ZeroPadding2D(padding=(0,2),data_format="channels_first"))