machine-learning - 转换2D : How can I get the values of each filter

Question

我的模型:

classifier = Sequential()

# Convolutional + MaxPooling -> 1
classifier.add(Conv2D(32, (3,3), input_shape = (IMAGE_SIZE, IMAGE_SIZE, 3)))
convout1 = Activation('relu')
classifier.add(convout1)
classifier.add(MaxPooling2D(pool_size = (2,2)))
classifier.add(Dropout(0.25))

我正在运行以下代码来获取权重

classifier.layers[0].get_weights()[0]

它返回一个 3x3x3x32 数组。它不应该返回 32 个 3x3 矩阵吗？

Answer 1

权重形状是正确的，因为卷积滤波器应用于整个 3D 输入体积，并且不同 channel 的参数不共享(尽管它们在空间上共享) )。见图片来自CS231n class :

是的，输出体积是通过对整个深度体积的卷积求和获得的，但是每个 channel 中的参数是不同的。

在您的情况下， channel 为RGB(因为input_shape = (IMAGE_SIZE, IMAGE_SIZE, 3))，空间滤波器大小为3x3 并且有 32 过滤器。因此，结果形状为 3x3x3x32，每个过滤器的形状为 3x3x3。