卷积层的维度变化

最新推荐文章于 2025-01-16 17:45:56 发布

转载最新推荐文章于 2025-01-16 17:45:56 发布 · 1k 阅读

1 ·

CC 4.0 BY-SA版权

原文链接：http://www.cnblogs.com/BlueBlueSea/p/11059119.html

文章标签：

#人工智能

博客转载了一篇来自https://www.cnblogs.com/BlueBlueSea/p/11059119.html的内容，未提及具体信息，但标签为人工智能，推测与人工智能领域相关。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

import keras
from keras import Sequential

model = Sequential()
model.add(keras.layers.Conv2D(input_shape=(28, 28, 1), kernel_size=(5,5), filters=20, activation='relu'))
model.add(keras.layers.MaxPool2D(pool_size=(2,2), strides=2, padding='same'))

model.add(keras.layers.Conv2D(kernel_size=(5,5), filters=50, activation='relu', padding='same'))
model.add(keras.layers.MaxPool2D(pool_size=(2,2), strides=2, padding='same'))

model.add(keras.layers.Flatten())
model.add(keras.layers.Dense(500, activation='relu'))
model.add(keras.layers.Dense(10, activation='softmax'))

##>>> model.layers[0].output_shape
##(None, 24, 24, 20)
##>>> model.layers[1].output_shape
##(None, 12, 12, 20)
##>>> model.layers[2].output_shape
##(None, 12, 12, 50)
##>>> model.layers[3].output_shape
##(None, 6, 6, 50)
##>>> model.layers[4].output_shape
##(None, 1800)
##>>> model.layers[5].output_shape
##(None, 500)
##>>> model.layers[6].output_shape
##(None, 10)