machine-learning - Conv2D：如何获取每个过滤器的值

Question

我的模型：

classifier = Sequential()

# Convolutional + MaxPooling -> 1
classifier.add(Conv2D(32, (3,3), input_shape = (IMAGE_SIZE, IMAGE_SIZE, 3)))
convout1 = Activation('relu')
classifier.add(convout1)
classifier.add(MaxPooling2D(pool_size = (2,2)))
classifier.add(Dropout(0.25))

我正在运行以下代码来获取权重

classifier.layers[0].get_weights()[0]

它返回一个数组3x3x3x32。它不应该返回 32 个矩阵3x3吗？

Answer 1

权重形状是正确的，因为卷积滤波器应用于整个 3D 输入体积，并且不同通道的参数不共享（尽管它们在空间上共享）。参见CS231n 类的图片：

是的，输出体积是通过对深度体积的卷积求和得到的，但是每个通道中的参数是不同的。

在您的情况下，通道是RGB（因为input_shape = (IMAGE_SIZE, IMAGE_SIZE, 3)），空间过滤器大小是3x3并且有32过滤器。因此，结果形状为3x3x3x32，每个过滤器的形状为3x3x3。

Answer 2

不，返回值具有正确的形状。您没有考虑的是 32 个过滤器中的每一个在空间维度上都是 3x3，并且具有三个通道，与输入相同。这意味着每个过滤器也适用于通道维度。您所期望的只有在对单通道图像进行 2D 卷积的情况下才有效。