我有一个问题,就是找不到正确的权重映射方法,以便将密集层转换为卷积层。
以下是我正在研究的 ConvNet 的一部分:
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,输入的形状为(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'))
然而,我不知道如何重新调整权重以正确地映射扁平化的权重到需要卷积层的(4096,512,7,7)结构中?当前,密集层的权重维度为(25088,4096)。我需要在保留权重与神经元正确映射的同时将这些25088个元素映射到(512,7,7)的维度上。到目前为止,我已经尝试过多种方式进行重塑和转置,但是我还没有找到正确的映射方法。
下面是我一直在尝试的一个例子:
weights[0] = np.transpose(np.reshape(weights[0],(512,7,7,4096)),(3,0,1,2))
但是它不能正确地映射权重。我通过比较两个模型的输出来验证映射是否正确。如果正确执行,我希望输出应该相同。