keras中Flatten层的用法及输入输出shape(附查看网络结构输入输出的查看技巧)

【时间】2018.11.21

【题目】keras中Flatten层的用法及输入输出shape(附查看网络结构输入输出的查看技巧)

 

一、Flatten层

Flatten层的实现在Keras.layers.core.Flatten()类中。

• 功能： Flatten层用来将输入“压平”，即把多维的输入一维化，常用在从卷积层到全连接层的过渡。Flatten不影响batch的大小。
• 输入输出shape: 具体而言，是将一个维度大于或等于3的高维矩阵，“压扁”为一个二维矩阵。即保留第一个维度（如：batch的个数），然后将剩下维度的值相乘为“压扁”矩阵的第二个维度。如输入是(None,32，32，3)，则输出是(None,3072)

 

二、网络结构输入输出的查看技巧

可以使用函数plot_model(model, to_file='Flatten.png', show_shapes=True)打印出model的简略信息，从中就可以看出各层的输入输出shape。

【注意】如果报错：'Failed to import `pydot`. '  pydot` failed to call GraphViz.则是需要安装graphviz，官网地址，参考链接安装 https://blog.csdn.net/hahajinbu/article/details/72859849，安装后要重启pyCharm才会生效，否则依然会报错。

【示例代码】

from keras.models import Sequential

from keras.layers.core import Flatten

from keras.layers.convolutional import Convolution2D

from keras.utils.vis_utils import plot_model

model = Sequential()

model.add(Convolution2D(3,3,3,border_mode="same",input_shape=(32,32,3)))

model.add(Flatten())

plot_model(model, to_file='Flatten.png', show_shapes=True)

【运行结果】

参考文献:

https://blog.csdn.net/program_developer/article/details/80853425