当使用带有Tensorflow的CNN时,惊厥矩阵是什么样的(内核值是多少)?
看一下CNN的基本示例:
model.add(layers.Conv2D(32, (3, 3), activation='relu', input_shape=(32, 32, 3)))
model.add(layers.MaxPooling2D((2, 2)))
model.add(layers.Conv2D(64, (3, 3), activation='relu'))
model.add(layers.MaxPooling2D((2, 2)))
model.add(layers.Conv2D(64, (3, 3), activation='relu'))
卷积矩阵是什么样的?3x3矩阵的值是多少?
在上面的示例中,我们使用3个Conv2D层(每个层使用3x3的卷积矩阵)。那三个矩阵是否相同?否则它们会有不同的价值?
# For 1 layer <conv> (weight)
model.layers[0].get_weights()[0]
# For 1 layer <conv> (bias)
model.layers[0].get_weights()[1]
# For 2 layer <pool> (no weight and bias term) <so empty list is returned>
model.layers[1].get_weights()
#and so on....
转换矩阵是一个4D张量(in_channel×filter_size×filter_size×out_channel),对于您的情况:(3,3,3,32)。
本文收集自互联网,转载请注明来源。
如有侵权,请联系[email protected] 删除。
我来说两句