from keras import layers
from keras import models
model = models.Sequential()
model.add(layers.Conv2D(32, (3, 3), activation='relu', input_shape=(28, 28, 1)))
model.add(layers.MaxPooling2D((2, 2)))
model.add(layers.Conv2D(64, (3, 3), activation='relu'))
model.add(layers.MaxPooling2D((2, 2)))
model.summary()
卷积神经网络中参数个数来源于卷积层中卷积核中参数,池化层减小图片的尺寸,无代求的参数。
第一层的输入为28x28x1,卷积核为32个3x3x1,卷积核的深度要和输入相匹配。输出26x26x32。
经过池化层尺寸变为13x13x32。
第二次的输入为13x13x32,卷积核为64个3x3x32,输出11x11x64。