Keras 卷积神经网络 - 输出形状

Question

请原谅我的无知，因为我真的是这个领域的新手。我正在尝试从我的神经网络中获得正确的输出形状，该神经网络具有 3 个 Conv2D 层，然后是 2 个密集层。我的输入形状是(140,140,4(，这是4个灰度图像。当我输入 1 个输入时，我期望输出为 (1， 4(，但我在这里得到的形状为 (14， 14， 4(。我在这里做错了什么？非常感谢您提前提供的帮助！

meta_layers = [Conv2D, Conv2D, Conv2D, Dense, Dense]
meta_inits = ['lecun_uniform'] * 5
meta_nodes = [32, 64, 64, 512, 4]
meta_filter = [(8,8), (4,4), (3,3), None, None]
meta_strides = [(4,4), (2,2), (1,1), None, None]
meta_activations = ['relu'] * 5
meta_loss = "mean_squared_error"
meta_optimizer=RMSprop(lr=0.00025, rho=0.9, epsilon=1e-06)
meta_n_samples = 1000
meta_epsilon = 1.0;
meta = Sequential()
meta.add(self.meta_layers[0](self.meta_nodes[0], init=self.meta_inits[0], input_shape=(140, 140, 4), kernel_size=self.meta_filters[0], strides=self.meta_strides[0]))
meta.add(Activation(self.meta_activations[0]))
for layer, init, node, activation, kernel, stride in list(zip(self.meta_layers, self.meta_inits, self.meta_nodes, self.meta_activations, self.meta_filters, self.meta_strides))[1:]:
if(layer == Conv2D):
meta.add(layer(node, init = init, kernel_size = kernel, strides = stride))
meta.add(Activation(activation))
elif(layer == Dense):
meta.add(layer(node, init=init))
meta.add(Activation(activation))
print("meta node: " + str(node))
meta.compile(loss=self.meta_loss, optimizer=self.meta_optimizer)

Answer 1

您的问题在于，在版本>= 2.0 的 Keras 中，Dense层应用于输入的最后一个通道(您可以在此处阅读(。因此，如果您申请：

Dense(512)

到具有形状(14, 14, 64)的Conv2D图层，您将获得具有形状(14, 14, 512)的输出，然后Dense(4)应用于它将为您提供带有形状(14, 14, 4)的输出。你可以调用model.summary()方法来确认我的话。

为了解决这个问题，您需要应用以下层之一：GlobalMaxPooling2D，GlobalAveragePooling2D或Flatten到最后一个卷积层的输出，以便将输出压缩为仅二维(形状为(batch_size, features)。