Keras CNN参数太少

Question

我正在尝试使用keras中的3个输入和sigmoid激活函数重新创建以下教程CNN：

因此，参数的数量应该是7（假设2个大小为2的过滤器在2个位置上卷积（前2个输入或2个较低输入），2个共享权重（在突触上显示为1.0＆＃39; s）和在conv1d层中没有填充）。当我在Keras写下以下内容时：

我在model.summary()检查时只获得5个参数：

我需要做些什么才能获得正确数量的参数？由于我是Keras的新手，我的代码中可能存在一些错误。

Answer 1

所有卷积参数在空间上共享（在1D的情况下，这意味着跨输入序列）。确切地说，长度为2的卷积滤波器被应用于输入(x[0], x[1])和(x[1], x[2])两次，但在两种情况下它都是相同的滤波器，相应地，可训练参数也是相同的。

这解释了您现在获得的模型的大小：Conv1D有3个参数（权重(2)和偏见(1)），密集图层有2个参数，因为输出为Conv1D为(?, 2, 1)。

最后，我无法对您尝试实施的网络发表评论。可能他们意味着2个过滤器（但那时该层将有6个参数）......但我不知道任何实现，其中卷积层为每个补丁都有单独的参数。