当将CNN与张量流结合使用时,痉挛矩阵是什么样子的(核值是什么)?
看看CNN的这个基本例子:
model.add(layers.Conv2D(32, (3, 3), activation='relu', input_shape=(32, 32, 3))) model.add(layers.MaxPooling2D((2, 2))) model.add(layers.Conv2D(64, (3, 3), activation='relu')) model.add(layers.MaxPooling2D((2, 2))) model.add(layers.Conv2D(64, (3, 3), activation='relu'))
卷积矩阵是什么样子的? 3x3矩阵的值是多少?
在上面的例子中,我们使用3个Conv2D层(每层使用3x3卷积矩阵)。 这三个矩阵是相同的吗?或者他们会有不同的价值观?
# For 1 layer <conv> (weight) model.layers[0].get_weights()[0] # For 1 layer <conv> (bias) model.layers[0].get_weights()[1] # For 2 layer <pool> (no weight and bias term) <so empty list is returned> model.layers[1].get_weights() #and so on....
conv矩阵是一个4D张量(in-channel filter_size filter_size-out_channel),对于你的情况:(3,3,3,32)。