在Keras中Convolution2D层到底如何工作？

Question

我想编写与Convolution2D相同的自己的卷积层。它在Keras中如何工作？例如，如果Convolution2D（64，3，3，activation ='relu'，input_shape =（3,226,226）哪个方程将用于输出数据？

Answer 1

由于您输入的图像形状为（266，266，3）[tf] /（3，266，266）[th]，并且过滤器数为64，内核大小为3x3，对于填充，我认为默认padding为1，默认跨度为1。

因此，输出为266x266x64。

output_width=output_height=(width – filter + 2*padding)/stride + 1

在您的代码中，宽度= 266，过滤器= 3，填充= 1，步幅= 1。

如果您在理解基本概念时遇到任何困难，我认为您可以阅读此cs231n帖子以获取更多信息。

有关如何理解转换过程的信息，请单击此处。