我在喀拉拉邦有个过人的模特。
model = Sequential()
model.add(Conv2D(4, (3, 3), input_shape=input_shape, name='Conv2D_0', padding = 'same', use_bias=False, activation=None))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Conv2D(8, (3, 3), name='Conv2D_1', padding='same', use_bias=False, activation=None))
model.add(MaxPooling2D(pool_size=(2, 2)))
input_shape是(32,32)。因此,对于第一层,如果我有一个尺寸为(32,32)的图像,则得到4个尺寸为(32,32)的图像。因此输入图像被4个不同的内核卷积。在池化层之后,我得到4张大小为(16,16)的图像。
第二个卷积层为我提供了8张大小为(16,16)的图像。该层具有
4 * 8内核。内核的大小为(3、3、4、8)。但是我不知道如何计算这8个输出图像。
例如,我以为我可以做的第一个图像是: H_i:第一个池化层的第i个输出图像 Ker_i:第i个内核。 (:,:,i,0)
因此第二个卷积层的第一个输出图像可能是: conv(H_0,ker_0)+ conv(H_1,ker_1)+ conv(H_2,ker_2)+ conv(H_3,ker_3)
但这似乎是错误的。
谁能解释我,第二个转换层如何计算输出图像? 谢谢您的帮助。