有什么方法可以知道在Keras中卷积内核用于一次推理的次数?当然,这将是一个“高”数字,因为内核已被多次应用。给定model
知道吗?
答案 0 :(得分:1)
也许我对您的问题有误解,但这不只是卷积层的输出形状的高度和宽度(假设2d卷积)吗?因此,如果您的conv2d输出形状为(batch_size, height, width, features)
,则意味着内核已应用height*width
次,每次使用features
通道生成一个新的“像素”。
答案 1 :(得分:0)
很遗憾,我们对此没有任何经验法则, 您必须尝试应用内核,然后看看适合您的模型。