Question

我正在与在Keras中实现的CNN协作，该CNN有时具有平坦的层。现在，我的目标是允许输入不同形状的图像。所以我第一次转换层看起来像：

model.add(Conv2D(...., input_shape=(None, None, 1))

在此设置中，我的展平层变得不满意，并告诉我指定输入形状。因此，我目前正在避免使用GlobalMaxPooling层。

毕竟，为什么扁平层会影响宽度和高度？

背景：我尝试训练一个用于分类的网络（较小的分辨率），然后将该网络用于对象检测（较高的分辨率）

谢谢

Answer 1

它困扰着形状，因为您可能希望将另一层连接到它。

其特征尺寸将成为下一层创建其自身权重的基础。图层不能具有可变大小的权重矩阵，因此，它不能具有可变大小的要素输入。