里面如果有错的话,还望指正,谢谢。
在使用keras的卷积层时,需要选择卷积核的维数,对应的函数分别为Conv1D和Conv2D等,刚开始使用时一直没搞明白为啥输入图像是3维的RGB图像,但是在配置卷积层时却选择Conv2D函数,而不是Conv3D,后来看keras的源码,才知道原因(我等菜鸟还是要多看源码才能进步。。)
在keras.layers中的convolutional.py中,基类函数_Conv中卷积核的尺寸是kernel_shape,可以看到代码中:
self.kernel_size由conv_utils.normalize_tuple函数得到,该函数根据输入的参数返回一个元组,参数分别是:kernel_size, rank, 'kernel_size'。
在使用keras的卷积层时,需要选择卷积核的维数,对应的函数分别为Conv1D和Conv2D等,刚开始使用时一直没搞明白为啥输入图像是3维的RGB图像,但是在配置卷积层时却选择Conv2D函数,而不是Conv3D,后来看keras的源码,才知道原因(我等菜鸟还是要多看源码才能进步。。)
在keras.layers中的convolutional.py中,基类函数_Conv中卷积核的尺寸是kernel_shape,可以看到代码中:
kernel_shape = self.kernel_size + (input_dim, self.filters)
self.kernel_size由conv_utils.normalize_tuple函数得到,该函数根据输入的参数返回一个元组,参数分别是:kernel_size, rank, 'kernel_size'。
1、kerne