我想在我的网络中使用二维卷积层，并作为输入我想给它图片。所以我有一批图片，这意味着 ndim=3 矩阵，例如：
我输入的维度：
[10, 6, 7]
该10值是 ，batch size另外两个值是图像大小。那么 2d 层需要的第四维是多少？
这是有趣的代码行：
[10, 6, 7]
这是我得到的错误：
Input 0 of layer conv2d_1 is incompatible with the layer: expected ndim=4, found ndim=3. Full shape received: [None, 6, 7]*
我正在使用带有 keras 的 yolo v3 模型，这个网络给我作为输出容器，形状如下：
[(1, 13, 13, 255), (1, 26, 26, 255), (1, 52, 52, 255)]
所以我找到了这个链接
然后我理解了 3 个容器中的每一个的值 255，我也理解有 3 个容器，因为边界框创建有 3 种不同的图像缩放。
但我不明白为什么在输出向量中，第一个缩放率有 13 * 13 个列表，第二个有 26 * 26 个列表，最后一个有 52 * 52 个列表。
我无法找到一些很好的解释，所以我不能使用这个网络。如果有人知道我在哪里可以找到有关输出维度的一些信息，我会非常感激。
编辑
是因为如果我将图像切成 13 x 13 个部分，考虑到每个部分都是对象的中心，我只能检测 13*13 个对象吗？