Python keras如何将密集层转换为卷积层

Question

为了将密集层转换为卷积层，我很难找到权重的正确映射。

这是我正在制作的ConvNet的摘录：

model.add(Convolution2D(512, 3, 3, activation='relu'))
model.add(MaxPooling2D((2,2), strides=(2,2)))
model.add(Flatten())
model.add(Dense(4096, activation='relu'))

在MaxPooling之后，输入是形状（512,7,7）。我想将密集层转换为卷积层，使其看起来像这样：

model.add(Convolution2D(512, 3, 3, activation='relu'))
model.add(MaxPooling2D((2,2), strides=(2,2)))
model.add(Convolution2D(4096, 7, 7, activation='relu'))

但是，我不知道我需要如何重塑权重才能将扁平化的权重正确映射到卷积层所需的（4096,512,7,7)结构？现在，密集层的权重是维度（25088,4096)。我需要以某种方式将这25088个元素映射到（512,7,7）的维度，同时保留权重到神经元的正确映射。到目前为止，我已经尝试了多种重塑然后转置的方法，但我还没有找到正确的映射。

我一直在尝试的一个例子是：

weights[0] = np.transpose(np.reshape(weights[0],(512,7,7,4096)),(3,0,1,2))

但它无法正确映射权重。我通过比较两个模型的输出来验证映射是否正确。如果操作正确，我希望输出应该是相同的。

Answer 1

仍在寻找解决方案？这是：

new_conv_weights = dense_weights.transpose(1,0).reshape(new_conv_shape)[:,:,::-1,::-1]

在您的情况下：

weights[0] = weights[0].transpose(1,0).reshape((4096,512,7,7))[:,:,::-1,::-1]

棘手的部分是conv过滤器翻转[：，：，：：-1，：：-1]。Theano不进行卷积而非相关（例如，与caffe不同）。因此，在Keras过滤器中：

1 0
0 0

应用于矩阵：

1 2 3 4 5
6 7 8 9 0
1 2 3 4 5

矩阵中的结果：

7 8 9 0 
2 3 4 5

但这并不是我们所期望的相关性：

1 2 3 4
6 7 8 9

为了让东西按预期工作，你需要将过滤器旋转180度。刚刚为我自己解决了这个问题，希望这对你或其他人有所帮助。干杯。