deep-learning - Convolution2D 层在 Keras 中究竟是如何工作的？

Question

我想编写与 Convolution2D 相同的自己的卷积层。
它在 Keras 中是如何工作的？
例如，如果 Convolution2D(64, 3, 3, activation='relu', input_shape=(3,226,226)
哪个方程将用于输出数据？

Answer 1

由于你输入的图像形状是(266, 266, 3)[tf]/(3, 266, 266)[th]，并且过滤器编号为64，内核大小为3x3，对于padding，我认为默认padding 为 1，默认步长为 1。

因此，输出为 266x266x64。

output_width=output_height=(width – filter + 2*padding)/stride + 1

在您的代码中，宽度=266，过滤器=3，填充=1，步幅=1。

如果您在理解基本概念时遇到任何困难，我认为您可以阅读 this cs231n post想要查询更多的信息。

如何理解conv的过程，点击 here .