Keras Conv2d（3，64，3，1）是什么意思？

Question

Conv2d(3, 64, 3, 1)在Keras中是什么意思？输入为(36, 64, 3)，在Conv2d(3, 64, 3, 1)层之后，输出为(36, 64, 64)。 谁能告诉我Conv2d(a, b, c, d)是否与a，b，c和d相关联？

编辑：：文档中说明以下内容：

Conv2d(filters, kernel_size, stride=(x,y), padding='valid', data_format=None, dilation_rate=(1, 1), activation=None, use_bias=True, kernel_initializer='glorot_uniform', 
bias_initializer='zeros', kernel_regularizer=None, bias_regularizer=None, activity_regularizer=None, kernel_constraint=None, bias_constraint=None)

这是否意味着Conv2d(3, 64, 3, 1)有3个过滤器，内核大小为64 = 8x8，步幅=（3，1）？

Answer 1

听起来您正在查看模型的图形表示。

这里Conv2d(D, N, K, S)表示一个2D卷积层，其内核大小为KxK，步幅为S，输入深度D为输出深度（即该层中的conv内核数）为N。

因此，在您的情况下：输入深度为3，内核大小为3x3，步幅= 1，并且有64个内核，导致输出深度为64。