python - 将全连接层转换为 conv2d 并预测输出？

Question

我正在尝试将扁平层作为 convd2d 的输入，并使用 cifar-10 数据集预测 Densenet 上 10 类分类问题的输出。以下代码片段出现错误。

global compression
    BatchNorm = layers.BatchNormalization()(input)
    relu = layers.Activation('relu')(BatchNorm)
    AvgPooling = layers.AveragePooling2D(pool_size=(2,2))(relu)
    flat = layers.Flatten()(AvgPooling)
    # output = layers.Dense(num_classes, activation='softmax')(flat)
    output = layers.Conv2D(filters=10,kernel_size=3,strides=1,activation='softmax',padding='valid')(flat)

我收到以下错误

ValueError: Input 0 is incompatible with layer conv2d_513: expected ndim=4, found ndim=2

谁能告诉我如何解决它。提前致谢。

Answer 1

output = layers.Conv2D(filters=10, kernel_size=(1,1),strides =(2,2))

此代码会将您的密集层更改为相应的 Conv2D 层。但为避免任何错误，您需要添加softmax为不同的图层。应该是这样的：

not_final = layers.Activation('softmax')(output)

result = layers.Flatten()(not_final)