卷积、池化、上采样、融合、反卷积、转置卷积、图层大小与参数的计算

最新推荐文章于 2024-01-18 08:00:00 发布

qq_41815009

最新推荐文章于 2024-01-18 08:00:00 发布

阅读量1.3k

点赞数

文章标签：图层大小与参数的计算卷积、池化、上采样、融合、反卷积、转置卷积

本文链接：https://blog.csdn.net/qq_41815009/article/details/100517776

版权

卷积、池化、上采样、融合、反卷积、转置卷积、图层大小与参数的计算。

1、如下代码，包含卷积、池化、上采样、融合、反卷积、转置卷积。

import keras
import numpy as np
from keras.layers import Conv2D,Dense,Flatten,BatchNormalization,Activation,Input,UpSampling2D
from keras.layers import concatenate,MaxPooling2D,Conv2DTranspose,Deconvolution2D
from keras import Model

def net(input_shape=(128,128,3)):
    X = Input(input_shape)
    conv1 = Conv2D(64, (3, 3), padding='same', kernel_initializer='he_normal', name='con1')(X)   # 进行一次卷积
    conv1 = BatchNormalization()(conv1)                                                         # 进行一次批量归一化
    conv1 = Activation('relu')(conv1)                                             # 设置激活函数
    pool1 = MaxPooling2D((2, 2), name='pool1')(conv1)  # 进行一次池化
    up1 = UpSampling2D(size=(2, 2), name='up1')(pool1)  # 进行上采样
    merge1 = concatenate([conv1, up1], name='mer1', axis=-1)  # 进行一次合并
    deconv1 = Deconvolution2D(64, (3, 3),padding='same',kernel_initializer='he_normal',name='deconv1')(merge1)  #进行一次反卷积
    score1 =<