CNN模型中Conv层输出尺寸的计算

Question

在卷积神经网络中，如何知道特定conv层的输出？（我正在使用keras构建CNN模型）

例如，如果我使用一维conv层，其中number_of_filters=20，kernel_size=10，input_shape（500,1）

 cnn.add(Conv1D(20,kernel_size=10,strides=1, padding="same",activation="sigmoid",input_shape=(Dimension_of_input,1)))

如果我使用的是二维conv层，其中\u过滤器的数量=64，内核大小=（5100），输入\u形状=（5720,1）（高度，宽度，通道）

 Conv2D(64, (5, 100),
       padding="same",
       activation="sigmoid",
       data_format="channels_last",
       input_shape=(5,720,1)

以上两个conv层的输出数量是多少？在卷积神经网络中，有没有方程可以用来知道conv层的输出数？

Answer 1

当我第一次与TensorFlow cnn合作时，处理维度非常困难。以下是计算维度的一般场景：

考虑考虑

>

我们有一个维度（nXn）的图像，过滤器维度：（fXf），没有填充，没有步幅适用：卷积后维度为：（n-f 1， n-f 1）

图像的维数=（nXn）和过滤器维数=（fXf），我们有padding:p然后输出dims=（n 2P-f 1，n 2P-f 1）如果我们使用padding=‘SAME’，这意味着输出dims=输入dims，在这种情况下，方程如下所示：n 2P-f 1=n所以从这里p=（f-1）/2

如果我们使用的是有效的填充，则表示没有填充，p=0

在计算机视觉中，如果f是偶数，则f通常是奇数，这意味着我们有不对称的填充。

Answer 2

实际上，如果您想做的不仅仅是查看模型，那么model.summary（）函数可能不是您想要的。

如果您想访问Keras模型的层，可以使用模型进行访问。层，返回所有层（Assignment将其存储为列表）。如果要查看特定图层，只需为列表编制索引即可：

list_of_layers = model.layers
list_of_layers[5] # gives you the 6th layer

您仍在使用的只是对象，因此您可能希望获得特定的值。您只需指定要查看的属性，然后：

list_of_layers[-1].output_shape # returns output_shape of last layer

返回模型中最后一层的output\u shape元组。如果您已经知道您只想查看某个层的output\u形状，并且只想执行以下操作，那么您甚至可以跳过整个列表分配操作：

model.layers[-1].output_shape # equivalent to the above method without storing in a list

如果您希望在构建模型时使用这些值以某种方式指导执行（添加池层或填充等），这可能很有用。

Answer 3

是的，有它的方程，你可以在CS231N课程网站上找到它们。但由于这是一个编程网站，Keras提供了一种通过使用模型的摘要函数来编程获取这些信息的简单方法。

model = Sequential()
fill model with layers
model.summary()

这将在终端/控制台中打印所有层信息，例如输入形状、输出形状和每个层的参数数量。