如何在keras中展平图层？

Question

我正在使用tensorflow后端.

依次应用卷积,最大池化,展平和密集层.卷积需要3D输入(高度,宽度,color_channels_depth).

卷积后,它变为(高度,宽度,Number_of_filters).

应用最大池高后,宽度会发生变化.但在应用展平层后究竟发生了什么？例如.

如果在展平之前输入是(24,24,32)那么它如何变平呢？

对于高度,每个过滤器编号的重量是顺序还是以某种其他方式顺序(24*24)？一个例子将被实际值所赏识.

Answer 1

该Flatten()运营商将展开在最后一个维度开始值(至少Theano,这是"渠道至上",而不是"渠道最后"像TF,我不能在我的环境中运行TensorFlow).这相当于numpy.reshape'C'排序:

"C"表示使用类似C的索引顺序读取/写入元素,最后一个轴索引变化最快,返回到第一个轴索引变化最慢.

这是一个独立的示例,用于说明 Flatten使用Keras Functional API的运算符.您应该能够轻松适应您的环境.

import numpy as np
from keras.layers import Input, Flatten
from keras.models import Model
inputs = Input(shape=(3,2,4))

# Define a model consisting only of the Flatten operation
prediction = Flatten()(inputs)
model = Model(inputs=inputs, outputs=prediction)

X = np.arange(0,24).reshape(1,3,2,4)
print(X)
#[[[[ 0  1  2  3]
#   [ 4  5  6  7]]
#
#  [[ 8  9 10 11]
#   [12 13 14 15]]
#
#  [[16 17 18 19]
#   [20 21 22 23]]]]
model.predict(X)
#array([[  0.,   1.,   2.,   3.,   4.,   5.,   6.,   7.,   8.,   9.,  10.,
#         11.,  12.,  13.,  14.,  15.,  16.,  17.,  18.,  19.,  20.,  21.,
#         22.,  23.]], dtype=float32)

Answer 2

展平张量意味着删除除一个维度之外的所有维度。

Keras 中的 Flatten 层将张量重塑为与张量中包含的元素数量相等的形状。

这与制作一维元素数组相同。

例如在 VGG16 模型中，您可能会发现它很容易理解：

>>> model.summary()
Layer (type)                     Output Shape          Param #
================================================================
vgg16 (Model)                    (None, 4, 4, 512)     14714688
________________________________________________________________
flatten_1 (Flatten)              (None, 8192)          0
________________________________________________________________
dense_1 (Dense)                  (None, 256)           2097408
________________________________________________________________
dense_2 (Dense)                  (None, 1)             257
===============================================================

注意 flatten_1 层的形状是 (None, 8192)，其中 8192 实际上是 4*4*512。

PS，None 表示任何维度（或动态维度），但您通常可以将其读为 1。您可以在此处找到更多详细信息。