在CNN中，第一个致密层的尺寸为什么不必等于展平（）的尺寸？
根据我对CNN的理解，扁平化用于从2D到1D，以便可以使用密集层进行分类。同样在我的理解中，扁平化的结果是过滤器的尺寸乘以过滤器的数量。
为什么扁平化后，第一个密集层不一定要与扁平化的结果具有相同的维度（这将是过滤器*过滤器的暗淡值）？第一个密集层的节点比扁平化的暗淡值更少或更大的CNN都可以工作，但我不知道为什么。扁平化不是应该为您提供密集层的输入吗？
共有1个答案
扁平化确实将输出扁平化为一维。
然而，它进入的致密层可以是任何大小。致密层中神经元的数量并不取决于它们接收到的输入数量。这是传统神经网络（多层感知器）的一个特性，与卷积运算或之前的层无关。
密集层所在的网络完全连接部分的设计没有明确的解决方案，但可以遵循经验法则。
-
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） 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） 以上两个conv层的输出数量是多
-
为什么不可能创建最大int大小的数组？ 我找到了这样的解释： null
-
我写了这段代码。我的输入形状是（100 x100 X3）。我是深度学习的新手。我花了这么多时间在这个问题上，但无法解决这个问题。任何帮助都非常感谢。 错误：在[15]：运行文件（'/user/Project/SM/src/ann\u algo\u keras.py'，wdir='/user/Project/SM/src'）中随机启动突触权重：模型：“sequential\u 3” conv2d_1
-
问题内容： 我正在使用Pythons模块进行编码。如果将3D空间中的点的坐标描述为，那不是三个维度，三个轴，三个等级吗？或者，如果那是一个维度，那它不应该是点（复数），而不是点吗？ 这里是文档： 在Numpy中，尺寸称为轴。轴数为等级。例如，3D空间[1、2、1]中的点的坐标是等级1的数组，因为它具有一个轴。该轴的长度为3。 资料来源：http : //wiki.scipy.org/Tentati
-
主要内容：jQuery 尺寸方法,jQuery 尺寸,jQuery width() 和 height() 方法,实例,jQuery innerWidth() 和 innerHeight() 方法,实例,jQuery outerWidth() 和 outerHeight() 方法,实例通过 jQuery，很容易处理元素和浏览器窗口的尺寸。 jQuery 尺寸方法 jQuery 提供多个处理尺寸的重要方法： width() height() innerWidth() innerHeight() ou
-
问题内容： 考虑以下示例… …我希望孩子在左右方向上都可以长到或长出父母（因为它水平居中）。 为什么不发生这种情况？ 注意： 我对从官方或可靠来源获得的答案感兴趣，理想情况下可以精确地指出任何提及行为和可能的变通方法的错误或说明。 调试信息： 在最新的Chrome（Ubuntu 17.10）中体验到这一点。 尚未测试跨浏览器，将像我一样进行更新。 问题答案： 您需要考虑。如您在这里阅读： flex