CNN中的Conv2D输出形状太小

Question

第一个Conv2D层中的输入形状应该是（100，100，1），但是输出是（None，98，98，200）。我知道200和None决定什么，但是我不确定98作为参数。 此外，除此之外，我随机选择200个作为我的模型在Conv2D中的过滤器数量。我应该如何为模型确定合适数量的过滤器。它是基于反复试验的吗？请帮忙。谢谢！

from keras.models import Sequential
from keras.layers import Dense, Activation, Flatten, Dropout
from keras.layers import Conv2D, MaxPooling2D
from keras.callbacks import ModelCheckpoint

print(data.shape[1:])
model = Sequential()
model.add(Conv2D(200, (3,3), input_shape = data.shape[1:]))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size = (2,2)))

model.add(Conv2D(100,(3,3)))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(2,2)))

model.add(Flatten())
model.add(Dropout(0.5))
model.add(Dense(50, activation = 'relu'))
model.add(Dense(2, activation = 'softmax'))

model.compile(loss = 'categorical_crossentropy', optimizer = 'adam', metrics = ['accuracy'])
model.summary()

（100，100，1） 型号：“ sequential_3”

---

图层（类型）输出形状参数＃

conv2d_5（Conv2D）（无，98、98、200）2000

---

activation_5（激活）（无，98、98、200）0

---

max_pooling2d_5（MaxPooling2（None，49，49，200）0

---

conv2d_6（Conv2D）（无，47，47，100）180100

---

activation_6（激活）（无，47、47、100）0

---

max_pooling2d_6（MaxPooling2（None，23，23，100）0

---

flatten_3（Flatten）（无，52900）0

---

dropout_3（Dropout）（无，52900）0

---

dense_5（Dense）（None，50）2645050

---

dense_6（Dense）（None，2）102

总参数：2,827,252 可训练的参数：2,827,252 不可训练的参数：0

---

Answer 1

将padding="same"作为参数添加到conv2d中，输出尺寸将与输入尺寸相同。

默认设置为padding="valid"，由于您使用3x3滤镜且步长为1，因此最终尺寸为98x98，因为您的3x3滤镜适合100x100 98倍。