xml文件 卷积神经网络_理解卷积神经网络中的输入与输出形状(Keras实现)
即使我們從理論上理解了卷積神經(jīng)網(wǎng)絡(luò)，在實(shí)際進(jìn)行將數(shù)據(jù)擬合到網(wǎng)絡(luò)時(shí)，很多人仍然對(duì)其網(wǎng)絡(luò)的輸入和輸出形狀(shape)感到困惑。本文章將幫助你理解卷積神經(jīng)網(wǎng)絡(luò)的輸入和輸出形狀。
讓我們看看一個(gè)例子。CNN的輸入數(shù)據(jù)如下圖所示。我們假設(shè)我們的數(shù)據(jù)是圖像的集合。
輸入的形狀
你始終必須將4D數(shù)組作為CNN的輸入。因此，輸入數(shù)據(jù)的形狀為(batch_size，height，width，depth)，其中第一維表示圖像的batch大小，其他三個(gè)維表示圖像的各個(gè)屬性，即高度，寬度和深度。深度就是色彩通道的數(shù)量。例如，RGB圖像的深度為3，而灰度圖像的深度為1。
輸出形狀
CNN的輸出也是4D數(shù)組。其中batch大小將與輸入batch大小相同，但是圖像的其他3個(gè)尺寸可能會(huì)根據(jù)濾波器(filter) ，內(nèi)核大小(kernel size)和填充值(padding)而變化。
讓我們看一下下面的代碼片段。
不要在這里被input_shape參數(shù)欺騙，以為輸入形狀是3D，但是在進(jìn)行訓(xùn)練時(shí)必須傳遞一個(gè)4D數(shù)組，該數(shù)據(jù)的形狀應(yīng)該是(batchsize，10，10，3)。由于inputshape參數(shù)中沒(méi)有batch值，因此在擬合數(shù)據(jù)時(shí)可以采用任何batch大小。
而且正如你所見(jiàn)，輸出的形狀為(None，10，10，64)。第一個(gè)維度表示batch大小，目前為"None"。因?yàn)榫W(wǎng)絡(luò)事先不知道batch大小。擬合數(shù)據(jù)后，將使用擬合數(shù)據(jù)時(shí)給出的batch大小來(lái)代替"None"。
讓我們看看另一個(gè)代碼片段。
在這里，我將inputshape參數(shù)替換為batchinput_shape。顧名思義，此參數(shù)將事先提供batch大小，并且在擬合數(shù)據(jù)時(shí)你無(wú)法提供任何其他batch大小。例如，在本例你必須用batch大小為16的數(shù)據(jù)來(lái)擬合網(wǎng)絡(luò)。
你可以從上圖看到輸出形狀的batch大小是16而不是None。
在卷積層上附加全連接(Dense)層
我們可以簡(jiǎn)單地在另一個(gè)卷積層的頂部添加一個(gè)卷積層，因?yàn)榫矸e的輸出維度數(shù)與輸入維度數(shù)相同。
通常，我們?cè)诰矸e層的頂部添加Dense層以對(duì)圖像進(jìn)行分類(lèi)。但是，Dense層需要形狀為(batch_size，units)的數(shù)據(jù)。卷積層的輸出是4D的數(shù)組。因此，我們必須將從卷積層接收的輸出的尺寸更改為2D數(shù)組。
我們可以通過(guò)在卷積層的頂部插入一個(gè)Flatten層來(lái)做到這一點(diǎn)。Flatten層將3維圖像變形成一個(gè)維。現(xiàn)在我們得到一個(gè)2D形狀的數(shù)組(batchsize，squashedsize)，這是Dense層需要的輸入形狀。
匯總
你始終必須將形狀為(batch_size, height, width, depth)的4D數(shù)組輸入CNN。
CNN的輸出數(shù)據(jù)也是形狀(batch_size, height, width, depth)的4D數(shù)組。
要在CNN層的頂部添加一個(gè)Dense層，我們必須使用keras的Flatten層將CNN的4D輸出更改為2D。
歡迎關(guān)注磐創(chuàng)博客資源匯總站：http://docs.panchuang.net/
歡迎關(guān)注PyTorch官方中文教程站：http://pytorch.panchuang.net/
理解卷積神經(jīng)網(wǎng)絡(luò)中的channel
在一般的深度學(xué)習(xí)框架的 conv2d 中,如 tensorflow.mxnet,channel?都是必填的一個(gè)參數(shù) 在 tensorflow 中,對(duì)于輸入樣本中 channels 的含義,一般是RGB ...
CNN筆記：通俗理解卷積神經(jīng)網(wǎng)絡(luò)【轉(zhuǎn)】
本文轉(zhuǎn)載自:https://blog.csdn.net/v_july_v/article/details/51812459 通俗理解卷積神經(jīng)網(wǎng)絡(luò)(cs231n與5月dl班課程筆記) 1 前言 2012 ...
CNN筆記：通俗理解卷積神經(jīng)網(wǎng)絡(luò)
CNN筆記:通俗理解卷積神經(jīng)網(wǎng)絡(luò) 2016年07月02日 22:14:50?v_JULY_v?閱讀數(shù) 250368更多 分類(lèi)專(zhuān)欄:?30.Machine L & Deep Learning?機(jī) ...
卷積神經(jīng)網(wǎng)絡(luò)中的通道 channel
卷積神經(jīng)網(wǎng)絡(luò)中 channels 分為三種:??? (1):最初輸入的圖片樣本的 channels ,取決于圖片類(lèi)型,比如RGB, channels=3??? (2):卷積操作完成后輸出的 out_c ...
卷積神經(jīng)網(wǎng)絡(luò)中的Winograd快速卷積算法
目錄 寫(xiě)在前面 問(wèn)題定義 一個(gè)例子 F(2, 3) 1D winograd 1D to 2D,F(2, 3) to F(2x2, 3x3) 卷積神經(jīng)網(wǎng)絡(luò)中的Winograd 總結(jié) 參考 博客:blog ...
(轉(zhuǎn))MyBatis框架的學(xué)習(xí)(四)——Mapper.xml文件中的輸入和輸出映射以及動(dòng)態(tài)sql
http://blog.csdn.net/yerenyuan_pku/article/details/71893689 前面對(duì)MyBatis框架的學(xué)習(xí)中,我們對(duì)Mapper.xml映射文件多少有些了解 ...
tensorflow CNN 卷積神經(jīng)網(wǎng)絡(luò)中的卷積層和池化層的代碼和效果圖
tensorflow CNN 卷積神經(jīng)網(wǎng)絡(luò)中的卷積層和池化層的代碼和效果圖 因?yàn)楹芏?demo 都比較復(fù)雜,專(zhuān)門(mén)抽出這兩個(gè)函數(shù),寫(xiě)的 demo. 更多教程:http://www.tensorflown ...
卷積神經(jīng)網(wǎng)絡(luò)中的channel 和filter
在深度學(xué)習(xí)的算法學(xué)習(xí)中,都會(huì)提到?channels?這個(gè)概念.在一般的深度學(xué)習(xí)框架的?conv2d?中,如?tensorflow?.mxnet,channels?都是必填的一個(gè)參數(shù). channels ...
python中的輸入和輸出
輸入和輸出 ? 輸出: 用print()在括號(hào)中加上字符串,就可以向屏幕上輸出指定的文字.比如輸出'hello, world',用代碼實(shí)現(xiàn)如下: >>> print('hello, ...
隨機(jī)推薦
玩轉(zhuǎn) Linux 系統(tǒng)的方法論
Linus 說(shuō)“Just for fun”,而我要說(shuō)“Just for 折騰”.想知道我是怎樣折騰 Linux 的,請(qǐng)看下面這個(gè)截圖: 從這個(gè)截圖可以看出,我為了“折騰” Linux 系統(tǒng),在我的電腦 ...
查找n個(gè)數(shù)字中的最大值
閑來(lái)無(wú)事,試試用arg_list查找n個(gè)數(shù)字中的最大者. 又因?yàn)楸救讼矚g模板, 所以就早早的寫(xiě)了以下代碼, 沒(méi)有經(jīng)過(guò)嚴(yán)格測(cè)試. /*********************************** ...
Windows 2008如何綁定MAC防范ARP攻擊!
Windows 2008如何綁定MAC防范ARP攻擊! ? 閱讀(1974)暫無(wú)評(píng)論時(shí)間:2010-11-23 22:52:13 ? 在Windows server?2003時(shí)代,通過(guò)arp 這命令即 ...
IE8 innerHTML賦值時(shí)包含多級(jí)HTML標(biāo)簽時(shí)的解決方案
var inhtml = ''; var font = document.createElement("font"); var a = document.createElement ...
017_bcp_bulk_openrowset
017_bcp_bulk_openrowset --bcp*********************************************************************** ...
redis入門(mén)指南學(xué)習(xí)筆記
redis的常見(jiàn)命令 set key hello get key incr num get num set foo lorem incr foo hset car price 500 hset car ...
【UVA】10285-Longest Run on a Snowboard(動(dòng)態(tài)規(guī)劃)
這是一個(gè)簡(jiǎn)單的問(wèn)題.你并不需要打印路徑. 狀態(tài)方程dp[i][j] = max(dp[i-1][j],dp[i][j-1],dp[i+1][j],dp[i][j+1]); 14003395 10285 ...
緊急求助！配置SMTP插件出錯(cuò)，SMTP?connect()?failed
http://bbs.csdn.net/topics/390848222 我來(lái)挖個(gè)墳.我知道問(wèn)題所在了,只要你們本地或服務(wù)器上環(huán)境中只要確保開(kāi)啟了php_openssl?跟?php_socket等擴(kuò)展 ...
大兄dei，早點(diǎn)看清this吧
說(shuō)道this,可以說(shuō)是前端中很重要的問(wèn)題之一了,也是面試或者筆試常考的問(wèn)題.所以還是早點(diǎn)看清this吧,大兄dei. this是什么?為什么要存在? this關(guān)鍵字是js中最最復(fù)雜的機(jī)制之一.他被自動(dòng) ...
為nginx創(chuàng)建windows服務(wù)自啟動(dòng)
1.下載最新版的 Windows Service Wrapper 程序,比如我下載的名稱(chēng)是 "winsw-1.9-bin.exe",然后,把它命名成你想要的名字(比如: " ...
總結(jié)
以上是生活随笔為你收集整理的xml文件 卷积神经网络_理解卷积神经网络中的输入与输出形状(Keras实现)的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。
- 上一篇： cocos2dx标准容器_cocos2d
- 下一篇： 神经网络与卷积神经网络入门（保证让你懂）