如何解释CNN中的model.summary（）输出？

Question

我是深度学习和CNN的新手。如果已创建CNN（如屏幕截图所示），那么如何解释model.summary()所描述的输出。我无法理解不同图层的输出形状。

模型摘要：

Model: "sequential_3"
_________________________________________________________________
Layer (type)                 Output Shape              Param #   
=================================================================
conv2d_14 (Conv2D)           (None, 29, 29, 32)        1568      
_________________________________________________________________
max_pooling2d_6 (MaxPooling2 (None, 14, 14, 32)        0         
_________________________________________________________________
conv2d_15 (Conv2D)           (None, 11, 11, 32)        16416     
_________________________________________________________________
max_pooling2d_7 (MaxPooling2 (None, 5, 5, 32)          0         
_________________________________________________________________
flatten_3 (Flatten)          (None, 800)               0         
_________________________________________________________________
dense_6 (Dense)              (None, 32)                25632     
_________________________________________________________________
dense_7 (Dense)              (None, 10)                330       
=================================================================
Total params: 43,946
Trainable params: 43,946
Non-trainable params: 0

Answer 1

根据问题，假设每个图像的大小为(32, 32, 3)。

然后，Keras附加了一个额外的维度，用于处理多个批次，即在单个时期的每个步骤中训练多个图像。由于批次大小可以变化，因此其大小用无来表示。因此，输入形状变为(None, 32, 32, 3)。

使用(32, 32)过滤器对(4, 4)图像进行卷积处理，步幅和膨胀率为1，并使用“有效”填充来生成(32 - 4 + 1, 32 - 4 + 1) = (29, 29)大小的输出。由于您有32个此类过滤器，因此输出形状变为(29, 29, 32)。

默认的MaxPooling内核的形状为(2, 2)，步幅为(2, 2)。将其应用于(29, 29)图像会得到形状为(((29 - 2)//2) + 1, ((29 - 2)//2) + 1)) = (14, 14)的图像。

此模式可以扩展到所有Conv2D和MaxPooling层。

Flatten层沿所有通道获取所有像素，并创建一维矢量（不考虑批处理大小）。因此，将(5, 5, 32)的输入展平为(5 * 5 * 32) = 800的值。

参数计数

Conv2D层的参数数量由以下公式给出：

（内核高度*内核宽度* input_channels * output_channels）+（如果使用偏置，则为output_channels）。

因此，对于具有3个输入通道，32个输出通道且内核大小为(4, 4)的第一个Conv2D层，参数的数量为(4 * 4 * 3 * 32) + 32 = 1568。

Answer 2

您的第一层是卷积，其卷积形状未知（您已经知道，您可以在input_shape= ...处定义卷积。

第一个卷积具有形状为(None, 29, 29, 32)的输出，其中：

• None是批次大小
• 29和29是生成的图像的大小
• 32是该卷积的滤波器数量，也是其输出中的通道数量

然后您有一个maxpooling层，它将卷积的输出作为输入。池的输出形状为(None, 14, 14, 32)，因此它将图像的大小除以2，其余部分保持原样。

然后，您有另一个卷积，以池的输出作为输入，此新卷积的输出形状为(None, 11, 11, 32)。您在这里也使用了32个过滤器。

... .....

....

然后您有一个Flatten层，该层将图像转换为单个矢量，输出形状为(None, 800)，其中None仍是未更改的批量大小，即800是输入张量中的所有元素，现在在单个向量中，批次中每个样本一个向量。

然后是Dense层，第一层包含32个单位，第二层包含10个单位。

模型的最终输出形状为(None, 10)。批次中每个样本输出10个值。

---

每个层都有许多参数（通常是权重）。可训练的参数将通过反向传播进行更新。不可训练的参数将保持静态或将使用其他方法更新（只有BatchNormalization之类的几层具有使用不同方法更新的参数）

您的模型共有43946重量，均可训练。

Answer 3

对于Conv2d， 如您所见，输出形状为（None，10，10，64）。第一个维度表示批次大小，目前为“无”。因为网络事先不知道批次大小。拟合数据后，将不会用拟合数据时给出的批量大小来代替。

Input shape

4D tensor with shape: (batch, channels, rows, cols) if data_format is "channels_first" 
or 4D tensor with shape: (batch, rows, cols, channels) if data_format is 
"channels_last".

Output shape

4D tensor with shape: (batch, filters, new_rows, new_cols) if data_format is 
"channels_first" or 4D tensor with shape: (batch, new_rows, new_cols, filters) if 
data_format is "channels_last". rows and cols values might have changed due to 
padding.

对于 maxpool2d 层，其值与上述相同，但略有变化，如下所示。

**Input**

If data_format='channels_last': 4D tensor with shape: (batch_size, rows, cols, channels)
If data_format='channels_first': 4D tensor with shape: (batch_size, channels, rows, cols)

**Output**

If data_format='channels_last': 4D tensor with shape: (batch_size, pooled_rows, pooled_cols, channels)
If data_format='channels_first': 4D tensor with shape: (batch_size, channels, pooled_rows, pooled_cols)

现在，我们可以简单地在另一个卷积层的顶部添加一个卷积层，因为卷积的输出维与输入维相同。 我们通常在卷积层的顶部添加Dense层以对图像进行分类。但是，将数据输入到形状（batch_size，单位）的密集层2D数组中。卷积层的输出是4D数组。因此，我们必须将从卷积层接收的输出的尺寸更改为2D数组。

我们可以通过在卷积层之上插入一个Flatten层来做到这一点。展平层将图像的3维压缩为一个维。现在，我们只有形状为(batch_size, squashed_size),的2D数组，这对于密集层是可以接受的。

希望这会对您有所帮助。