相关疑难解决方法(0)

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.

我想将ConvLSTM和Conv2D的输出传递给Keras中的Dense Layer,使用全局平均池和flatten之间的区别是两者都适用于我的情况.

model.add(ConvLSTM2D(filters=256,kernel_size=(3,3)))
model.add(Flatten())
# or model.add(GlobalAveragePooling2D())
model.add(Dense(256,activation='relu'))

我对他们有严重的怀疑。任何人都可以详细说明示例和一些想法。