计算CNN层

Question

我为我参与的项目创建了一个CNN，我需要展示它。问题是，我不确定如何计算层数。

这是我的模特：

model = Sequential()
model.add(Conv2D(64,(3,3), input_shape = (40,40,2)))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(2,2)))

model.add(Conv2D(64,(3,3)))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(2,2)))

model.add(Flatten())
model.add(Dense(64))
model.add(Activation('relu'))


model.add(Dense(1600))
model.add(Reshape((40,40)))
model.add(Activation('sigmoid'))

model.compile(loss='MSE',
             optimizer='SGD',
             metrics=['MAE'])

len（model.layers）返回12：

所以我用了1个输入10个隐藏的1个输出层，

或

我需要将它们归为一组，说1输入2隐藏1输出？

Answer 1

在计算CNN网络的深度时，我们仅考虑具有可调整/可调整权重/参数的图层。在CNN中，仅卷积层和完全连接层将具有可训练的参数。如果要标记图层，请仅考虑卷积，完全连接和输出图层（Conv2D和密集）。 最大池化层通常与卷积层一起作为一层。