CNN中的Conv2D输出形状太小

Question

第一个Conv2D层中的输入形状应该是（100, 100, 1)但是输出是（无，98, 98, 200)。我知道200和无决定了什么，但我不确定98是参数。此外，除此之外，我随机选择了200个作为Conv2D模型的过滤器数量。我应该如何确定适合我的模型的过滤器数量。是基于试错吗？请帮忙。谢谢！！

from keras.models import Sequential
from keras.layers import Dense, Activation, Flatten, Dropout
from keras.layers import Conv2D, MaxPooling2D
from keras.callbacks import ModelCheckpoint

print(data.shape[1:])
model = Sequential()
model.add(Conv2D(200, (3,3), input_shape = data.shape[1:]))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size = (2,2)))

model.add(Conv2D(100,(3,3)))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(2,2)))

model.add(Flatten())
model.add(Dropout(0.5))
model.add(Dense(50, activation = 'relu'))
model.add(Dense(2, activation = 'softmax'))

model.compile(loss = 'categorical_crossentropy', optimizer = 'adam', metrics = ['accuracy'])
model.summary()

（100, 100, 1)模式：sequential_3

conv2d_5（conv2d）（无，98，98，200）2000

activation_5（激活）（无，98, 98, 200) 0

最大池2D池5（最大池2（无、49、49、200）0

conv2d_6（conv2d）（无、47、47、100）180100

激活_6（激活）（无、47、47、100）0

max_pooling2d_6（MaxPooling2（无，23, 23, 100) 0

展平3（展平）（无，52900）0

辍学3（辍学）（无，52900）0

dense_5（密集）（无，50) 2645050

总参数：2827252可培训参数：2827252不可培训参数：0

Answer 1

将padding=“same”作为参数添加到conv2d中，输出维度将与输入维度相同。

默认设置为padding=“valid”，由于使用3x3过滤器，步长为1，因此最终得到的尺寸为98x98，因为3x3过滤器适合100x100 98次。