machine-learning - covolution2d 和 maxpolling2d 如何应用于 Keras 中的输入？

Question

我对我要讨论的所有内容都很陌生，因此问题可能太简单了。

预先感谢您的回答!

我的问题来自以下图片:

更清楚地说:

1. 对于第一个卷积，从 1 x 28 x28 到 25 x 26 x26，输入(1 层)变为通过过滤器(25层)。因此，一层过滤了 25 次(对吗？)。
   但是对于第二个卷积，从25 x 13 x 13到50 x 11 x 11，过滤器的操作是什么50 x 3 x 3 应用于输入 25 x 13 x 13？我对手术感到困惑。因为如果输入的每一层25 x 13 x 13都经过过滤器50 x 3 x 3，那么输出应该是1250 x 11 x 11 >。为什么输出还是50层？
   
   

2. 对于第二个Max Pooling，MaxPooling2D()如何处理奇数大小的层？ (11 mod 2) 的余数为 1。在上图中，从 11 到 5，1 上发生了什么？
   
   另外，对于奇数大小的输入层，最大池化的常见操作是什么？

Answer 1

每个卷积都应用于输入的所有 channel (前一层的输出)，在这种情况下，一个过滤器(来自 50x3x3 Conv2d)应用于所有 25 个(来自 25x3x3 Conv2d)输入，然后结果将是总结起来给出一个 50Conv2d 的输出特征图，这将完成 50 次。 here是有关如何将过滤器应用于要素图的链接。经验法则是，如果下一个卷积有 N 个滤波器，那么它的输出也应该有 N 个特征图。

对于maxPooling，MaxPooling2D中padding的默认值；适用于您的情况的是“valid|”，这意味着池函数不会包含内核大小中无法包含的值。在您的示例中，内核为 2，这意味着第 11 个元素未包含在操作中。 Here是关于 padding="valid"标志的一个很好的链接，第二个答案很好地展示了在此操作期间如何省略输入的某些元素。