我对CNN中使用2个或更多卷积层(每个卷积层后跟一个池化层)的工作方式感到困惑。
假设输入是一张3通道300x300的图像。如果第一个卷积层有32个卷积核,第二个卷积层有64个卷积核,那么第一层将创建32个特征图。但第二层会创建多少个特征图呢?每个64个卷积核中的卷积都作用于先前生成的32个特征图,从而总共创建32*64=2048个特征图吗?还是发生了其他的事情?
与该问题相关的简单代码如下:
model = keras.models.Sequential([
keras.layers.Conv2D(32, (3, 3), activation='relu', input_shape=(300, 300, 3)),
keras.layers.MaxPooling2D(2, 2),
keras.layers.Conv2D(64, (3, 3), activation='relu'),
keras.layers.MaxPooling2D(2, 2)])