0

我的模型结构如下：

层（类型）输出形状参数#

conv2d_31 (Conv2D)           (None, 40, 40, 16)        160       
_________________________________________________________________
max_pooling2d_4 (MaxPooling2 (None, 20, 20, 16)        0         
_________________________________________________________________
conv2d_32 (Conv2D)           (None, 20, 20, 32)        12832     
_________________________________________________________________
max_pooling2d_5 (MaxPooling2 (None, 10, 10, 32)        0         
_________________________________________________________________
conv2d_33 (Conv2D)           (None, 10, 10, 64)        100416    
_________________________________________________________________
max_pooling2d_6 (MaxPooling2 (None, 5, 5, 64)          0         
_________________________________________________________________
flatten_2 (Flatten)          (None, 1600)              0         
_________________________________________________________________
dense_3 (Dense)              (None, 1024)              1639424   
_________________________________________________________________
dropout_2 (Dropout)          (None, 1024)              0         
_________________________________________________________________
dense_4 (Dense)              (None, 1)                 1025      
_________________________________________________________________
activation_52 (Activation)   (None, 1)                 0

我想将反卷积应用于任何特定层并绘制结果。我想我应该使用 Conv2DTranspose 层，但我似乎无法理解其中涉及的论点。请帮忙

4

1 回答 1

1

注意命名法。

反卷积不是转置卷积，尽管这些术语可以互换使用。要使用的正确术语是转置卷积。这就是为什么 Keras 中甚至不存在“反卷积”层，而 Conv2DTransposed 存在的原因。

您可以尝试通过Model API而不是Sequential API来构建您的深度学习模型。

这样，您可以将 Conv2DTransposed 添加到特定层，并查看转置卷积的结果。

您可以将转置卷积层视为上采样层。前者具有可学习的参数，而后者仅通过插值将图像大小加倍/三倍等。

查看功能 API（模型 API）的 Keras 文档：https ://keras.io/models/model/

查看转置卷积的 Keras 文档：https ://keras.io/layers/convolutional/

查看这个 github 帐户以直观地了解转置卷积：https ://github.com/vdumoulin/conv_arithmetic

于 2019-01-04T07:09:03.750 回答