tensorflow - 关于使用 Keras 在 VGG16 中构建第一个输入层

Question

在 this blog ，作者包含了构建VGG16网络的代码段。我对以下代码部分有一些疑问

model = Sequential()
model.add(ZeroPadding2D((1, 1), batch_input_shape=(1, 3, img_width, img_height)))
first_layer = model.layers[-1]
# this is a placeholder tensor that will contain our generated images
input_img = first_layer.input

与model.add(ZeroPadding2D((1, 1), batch_input_shape=(1, 3, img_width, img_height)))相关，我们平时使用ZeroPadding2D是否总是正确的构建第一层阅读图像作为输入？ (1,1) 输入表示什么ZeroPadding2D的参数。根据Keras文档，这意味着我们对行和列都加1个零。如何决定添加多少个零？

其次，为什么我们需要在first_layer = model.layers[-1]中设置-1？这里我们只有一层，应该是 0 吗？

Answer 1

is it always true that we normally use ZeroPadding2D to build the first layer reading image as input?

视情况而定。在这段特定的代码中，作者打算执行 3x3 卷积，输出与输入图像具有相同宽度和高度的图像特征。如果输入图像大小是 2 的幂，通常会出现这种情况，因为您希望保留 2x2 池化层的数量。

没有填充:

128x128 -[3x3 conv]-> 126x126 -[2x2 pool]-> 63x63 -[3x3 conv]-> 61x61 -> *how to pool next?*

带填充:

128x128 -[pad 1]-> 130x130 -[3x3 conv]-> 128x128 -[2x2 pool]-> 64x64
-[pad+conv+pool]-> 32x32 -[...]-> 16x16 -> 8x8 ...

What does (1,1) indicate for the input parameter of ZeroPadding2D?

如果输入图像为 128*128，则 (1,1) 零填充将创建一个 130x130 图像，并添加 1 像素宽的黑框。 (1,1) 表示分别在水平/垂直边缘添加多少个像素。

           o o o o o
x x x      o x x x o
x x x  ->  o x x x o
x x x      o x x x o
           o o o o o

如果您打算使用 5x5 卷积保持图像尺寸，则需要 (2,2) 填充。

why do we need to set -1 in first_layer = model.layers[-1]?

使用精确索引是可以的。但是，如果有一天您决定在第一个卷积层下方添加预处理层，则无需更改 [-1] 索引，因为它始终提供最顶层。减少错误，以防您忘记。