【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