Google Tensorflow示例中的CNN架构

Question

我对张量流有疑问：

https://colab.research.google.com/github/google/eng-edu/blob/master/ml/pc/exercises/image_classification_part1.ipynb?utm_source=practicum-IC&utm_campaign=colab-external&utm_medium=referral&hl=en&utm_content=imageexercise1-colab#scrollTo=7ZKj8392nbgP

CNN具有一层输入层，三层（CNN，MaxPooling），一层完全连接的隐藏层和一层输出层。 我无法理解为什么使用model.summary（）展示体系结构时会有两个隐藏层。

img_input =层。输入（形状=（150、150、3））

x =层.Conv2D（16，3，activation ='relu'）（img_input）

x =层.MaxPooling2D（2）（x）

x =层.Conv2D（32，3，activation ='relu'）（x）

x =层.MaxPooling2D（2）（x）

x =层.Conv2D（64，3，activation ='relu'）（x）

x =层.MaxPooling2D（2）（x）

x =个图层。Flatten（）（x）

x =层。致密（512，激活='relu'）（x）

输出= layers.Dense（1，激活='sigmoid'）（x）

model =模型（img_input，输出）

model.summary（）

图层（类型）输出形状参数＃

input_4（InputLayer）（无，150、150、3）0

---

conv2d_9（Conv2D）（无，148，148，16）448

---

max_pooling2d_9（MaxPooling2（None，74，74，16）0

---

conv2d_10（Conv2D）（无，72，72，32）4640

---

max_pooling2d_10（MaxPooling（None，36，36，32）0

---

conv2d_11（Conv2D）（无，34，34，64）18496

---

max_pooling2d_11（MaxPooling（None，17，17，64）0

---

flatten（Flatten）（无，18496）0

---

密集（密集）（无，512）9470464

---

flatten_1（平坦）（无，512）0

---

dense_2（密集）（无，512）262656

---

dense_3（密集）（无，1）513

---

总参数：9,757,217

可训练参数：9,757,217

不可训练的参数：0