卷积核如何将具有3个通道的图像转换为多个通道？最后一个论点是什么意思？

Question

我训练了ResNet50V2模型，我想知道张量如何从3通道转换为n通道。我有模型为：

model.summary()

Model: "model_9"
__________________________________________________________________________________________________
Layer (type)                    Output Shape         Param #     Connected to                     
==================================================================================================
input_9 (InputLayer)            (None, 164, 164, 3)  0                                            
__________________________________________________________________________________________________
conv1_pad (ZeroPadding2D)       (None, 170, 170, 3)  0           input_9[0][0]                    
__________________________________________________________________________________________________
conv1_conv (Conv2D)             (None, 82, 82, 64)   9472        conv1_pad[0][0]                  
__________________________________________________________________________________________________
pool1_pad (ZeroPadding2D)       (None, 84, 84, 64)   0           conv1_conv[0][0]                 
__________________________________________________________________________________________________
...
...
...
...
...
...
post_relu (Activation)          (None, 6, 6, 2048)   0           post_bn[0][0]                    
__________________________________________________________________________________________________
flatten_9 (Flatten)             (None, 73728)        0           post_relu[0][0]                  
__________________________________________________________________________________________________
dense_9 (Dense)                 (None, 37)           2727973     flatten_9[0][0]                  
==================================================================================================
Total params: 26,292,773
Trainable params: 26,247,333
Non-trainable params: 45,440

第一卷积层“conv1_conv”具有滤波器：

filters= layer.get_weights()[2]  #conv1_conv layer
print(layer.name, filters.shape)

输出：

conv1_conv (7, 7, 3, 64)

我不明白的是使（170,170,3）张量转换为（82,82,64）张量的卷积操作。

conv1\u conv中的64表示什么？

Answer 1

你可以把卷积想象成一个7×7的滑动窗口在图像上滑动。每个滤镜取图像的一个窗口，这里7×7×3个数字a将线性投影为单个数字。每个滤波器的线性投影需要7*7*3个参数，并且有64个参数，因此卷积的形状为7×7×3×64。

卷积的另一个重要特性是步长：这是窗口移动的步长。窗口大小为7，图像的宽度和高度为170，即滑动窗口需要通过170-7=163像素。如果使用步幅2，则表示163/2=81.5个窗口，四舍五入为82。每个窗口都使用64个过滤器进行投影，因此形状为82×82×64。