重塑层的输出尺寸

时间:2019-05-10 17:02:36

标签: tensorflow machine-learning keras deep-learning

model = tf.keras.Sequential()
model.add(layers.Dense(7*7*256, use_bias=False, input_shape=(100,)))
model.add(layers.BatchNormalization())
model.add(layers.LeakyReLU())

model.add(layers.Reshape((7, 7, 256)))

密集层接受1 * 100尺寸的输入。它在其层中使用7 * 7 * 256个节点。重塑层将1 *(7 * 7 * 256)作为输入,它的输出是什么。我的意思是(7,7,256)是什么意思?

如果将输入作为1 * 100的图像给出,则它是7 * 7尺寸的图像吗?是什么?

对不起,我知道我完全以错误的方式理解了它。所以我想了解它。

1 个答案:

答案 0 :(得分:2)

这里,您的模型将采用input_shape(*,100),第一个密集层将输出一个形状((*,7 * 7 * 256),最后,最后一个Reshape层将对其进行重塑,将其输出为一个形状数组(*,7、7、256)。

以*为您的batch_size。

所以是的,基本上,您的形状(100)的“图像”将被重塑为形状的数组 (,7、7、256)。

希望这对您有帮助