问题描述
在笔记本convolution-and-relu中,提到卷积是在keras中完成的,
0
稍后,张量流等效函数为
layers.Conv2D(filters=64,kernel_size=3,activation='relu')
我了解tensorflow conv2d函数。但是,我不了解keras Conv2D是如何等效的。
问题:对于keras.layers.Conv2D,image_filter = tf.nn.Conv2d(
input=image,filters=kernel,# we'll talk about these two in lesson 4!
strides=1,padding='SAME',)
在哪里给出?kernel
是如何计算的?
解决方法
在tf.nn.conv2d
中,您需要将filters
设置为预先创建的多维数组(张量)。如果要对尺寸为3x3的64个内核执行卷积,则输入张量必须具有这些尺寸。
在layers.Conv2D
中,Keras为您管理多维数组,但是您可以配置数组的尺寸。也就是说,数组中的内核数将设置为等于filters
参数。每个内核的尺寸将由kernel_size
设置为kernel_size
。