Keras：改变步伐似乎并没有改变conv2d / conv3d中的参数数量

Question

在这里我可能缺少一些简单的东西，但是当我改变卷积层的步幅数时，我并没有相应地改变要适应的参数数。考虑这些：

from keras import layers as L
x=L.Conv2D(filters=32, kernel_size=(3,3), strides=(1,1),padding='valid')(input)
y=L.Conv2D(filters=32, kernel_size=(3,3), strides=(2,2),padding='valid')(input)
z=L.Conv2D(filters=32, kernel_size=(3,3), strides=(3,3),padding='valid')(input)

我认为，（3,3）的步幅将使每个维度上放置的过滤器减少3倍，因此要适应的参数数量也相应减少。但是，事实并非如此。

如果我的输入层的大小为（none，63,143,32）-我正在将其压缩的conv3d输出提供给它-那么卷积的参数数量始终为9248，无论步幅如何。太...我想念什么？

Answer 1

卷积滤镜从不依赖于图像的大小，填充，步幅等。

它们仅取决于kernel_size和filters。

它们的形状是：(kernel_size[0], kernel_size[1], input_filters, output_filters)

我建议您阅读this page，该书对滑动图像的卷积进行了很多解释，尽管它们不代表图像中的输入通道。