Question

我的任务是在cnn层中可视化绘制的权重，现在当我传递参数filters = 32和kernel_size = (3, 3)时，我期望通过使用{，输出为32个矩阵，每个矩阵的3x3尺寸{1}}函数（提取权重和偏差），但是我得到了一个非常奇怪的嵌套输出，输出如下：

.get_weights()

a = model.layers[0].get_weights() a[0][0][0]

我想知道为什么我会得到这种奇怪的输出，以及如何获得理想形状的砝码。预先感谢。

Answer 1

神经网络中的权重是代表输入节点和输出节点（或下一层的节点）之间的连接强度的值。 Conv2D图层的权重通常为（H，W，I，O）形状，其中：-

Conv2D权重可以解释为输入通道的一部分与输出滤波器/功能图中的节点之间的连接强度。这样，您将在每个输入通道和每个输出通道之间具有shape（H，W）的权重。应当注意，权重在同一信道的不同补丁之间共享。

考虑下面的（8，8，1）输入与（2，2）内核的卷积和与（8，8，1）输出的卷积。该层的权重具有形状（2，2，1，1，1）可以使用相同的输入使用2（2，2）过滤器生成2个特征图，如下所示。现在，权重的形状将为（2，2,1，2）。

希望这将阐明如何解释卷积层的形状。

Answer 2

来自Conv2D层的内核权重的形状为scaleX。所以就你而言

scaleY

如果您要打印其中一个过滤器的重量，则可以

group