理解卷积神经网络（CNN）中的通道、输入形状和输出形状

Question

我尝试跟随这个教程: https://blog.keras.io/building-powerful-image-classification-models-using-very-little-data.html 在基线模型中，它有model.add(Conv2D(32, (3, 3), input_shape=(3, 150, 150))) 我对这里的输出形状不太明白。如果输入形状是3x150x150，卷积核大小为3x3，则输出形状不就是3x148x148了吗？（假设没有填充）。但是，根据Keras文档:

输出形状: 形状为(batch, filters, new_rows, new_cols)的4D张量

这似乎意味着输出形状将是32x148x148，我的问题是这种理解是否正确? 如果是这样，那么额外的过滤器来自哪里？

- clwen

Answer 1

如果输入形状为(3, 150, 150)，应用Conv2D层后输出为(?, 32, 148, 148)。请参考以下示例：

inps = Input(shape=(3, 150, 150))
conv = Conv2D(32, (3, 3), data_format='channels_first')(inps)
print(conv)
>> Tensor("conv2d/BiasAdd:0", shape=(?, 32, 148, 148), dtype=float32)

• 由符号?指定的第一个维度是批量大小。
• 第二个维度是过滤器大小（32）。
• 最后两个维度是图像的宽度和高度（148）。

---

通道如何从3变成32？ 假设我们有RGB图像（3个通道），输出通道大小为1。以下事情会发生：

当您使用filters=32和kernel_size=(3,3)时，您将创建32个不同的过滤器，每个过滤器的形状为（3,3,3）。结果将带来32个不同的卷积。请注意，根据Keras，所有内核在开始时都使用glorot_uniform初始化。

图片来自这篇博客文章。

- Amir

---

谢谢。我的问题的一部分是，3通道图像如何获得32个通道（或滤波器）的输出。我明白更新宽度、高度和批量大小的重点。 - clwen

@clwen，你将过滤器设置为32，这意味着对于每个图像，它会生成32个特征映射或通道。 - Amir

感谢您编辑这个图示。在这种情况下，我们得到了32份完全相同的148x148副本吗？因为我们没有为这32个过滤器中的每一个指定不同的偏置/内核。 - clwen

当你使用 filters=32 和 kernel_size=(3,3) 时，你正在创建 32 个不同的过滤器，每个过滤器的长度为 (3,3)。结果将带来 32 种不同的卷积。默认情况下，偏差为零。 - Amir

我明白了。有一个kernel_initializer。如果我们没有传递任何参数，那么内核仍会使用默认的随机初始化方法进行初始化。（根据文档，其默认值为glorot_uniform） - clwen