澄清Keras中的Conv2D（）语法

Question

这是来自keras网站上CIFAR-10 CNN示例的代码行。 https://keras.io/examples/cifar10_cnn/

数据集由

组成

model.add(Conv2D(32, (3, 3), padding='same',
                 input_shape=x_train.shape[1:]))

(之后的32是什么意思，默认步幅是什么？

Answer 1

keras conv2d的默认设置：

keras.layers.Conv2D(filters, kernel_size, strides=(1, 1), padding='valid', data_format=None, dilation_rate=(1, 1), activation=None, use_bias=True, kernel_initializer='glorot_uniform', bias_initializer='zeros', kernel_regularizer=None, bias_regularizer=None, activity_regularizer=None, kernel_constraint=None, bias_constraint=None)

32之后的

(表示过滤器的数量。在这种情况下，过滤器与内核特征图相同。您可以将每个过滤器视为存储单个模板/模式。您基本上是在尝试找出存储的模板与输入中不同位置之间的相似性。

默认stride为1。这表示您要一起移动多少像素。

这是Stanford's deep learning tutorial的一个很好的例证。