model = tf.keras.Sequential()
model.add(layers.Dense(7*7*256, use_bias=False, input_shape=(100,)))
model.add(layers.BatchNormalization())
model.add(layers.LeakyReLU())
model.add(layers.Reshape((7, 7, 256)))
密集层采用 1*100 维度的输入。它在其层中使用 7*7*256 个节点。Reshape 层以 1*(7*7*256) 作为输入,它的输出是什么。我的意思是 (7, 7, 256) 是什么意思?
如果我们将输入作为 1*100 的图像,它是 7*7 维的图像吗?它是什么 ?
对不起,我知道我完全错误地理解了它。所以我想了解它。
在这里,您的模型将采用 (*, 100) 的 input_shape,第一个密集层将输出 ( * , 7*7*256) 的形状,最后,最后一个 Reshape 层将将该输出重塑为形状数组 (*, 7, 7, 256)。
* 是您的批次大小。
所以是的,基本上,您的形状 (,100) 的“图像”将被重塑为形状数组 (, 7, 7, 256)。
希望能帮到你
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