tensorflow - keras/Tensorflow中层的用途是什么

Question

所以我是计算机视觉的新手，我真的不知道这些层在 keras 中做了什么。在keras中添加层(密集，Conv2D等)有什么用？他们添加了什么？

Answer 1

卷积神经网络有 4 个主要步骤:Convolution、Pooling、Flatten 和 Full connection。

Conv2D(), Conv3D()等用于特征提取(这是一个卷积层)。

池化层(MaxPool2D()、AvgPool2D() 等)也用于特征提取(尽管它有不同的操作)。

展平层 (Flatten() ) 是将提取的特征图转换为向量，然后再送入全连接层(密集层)。

密集层用于计算机视觉中的全连接步骤，充当分类器(神经网络对从卷积层提取的每个特征进行分类。)

还有Dropout()、BatchNormalization()等优化层

更多信息，只需打开keras documentation .如果你想开始学习卷积神经网络，this文章可能会有所帮助。