Расчет размера вывода слоя Conv в модели CNN

В сверточных нейронных сетях, как узнать вывод определенного сверточного слоя? (Я использую keras для создания модели CNN)

Например, если я использую одномерный сверточный слой, где number_of_filters = 20, kernel_size = 10 и input_shape (500,1)

 cnn.add(Conv1D(20,kernel_size=10,strides=1, padding="same",activation="sigmoid",input_shape=(Dimension_of_input,1)))

и если я использую двумерный сверточный слой, где number_of_filters = 64, kernal_size = (5,100), input_shape = (5,720,1) (высота, ширина, канал)

 Conv2D(64, (5, 100),
       padding="same",
       activation="sigmoid",
       data_format="channels_last",
       input_shape=(5,720,1)

каково количество выходных данных в двух вышеуказанных сверточных слоях? Есть ли какое-либо уравнение, которое можно использовать для определения количества выходов сверточного слоя в сверточной нейронной сети?


keras keras-layer neural-network conv-neural-network
person ryh12    schedule 20.04.2017    source источник

Ответы (3)


arrow_upward
4
arrow_downward

Да, для этого есть уравнения, вы можете найти их на веб-сайте курса CS231N. Но поскольку это сайт программирования, Keras предоставляет простой способ получить эту информацию программно, используя функцию summary модели.

model = Sequential()
fill model with layers
model.summary()

Это напечатает в терминале / консоли всю информацию о слое, такую ​​как формы ввода, формы вывода и количество параметров для каждого слоя.

person Dr. Snoopy    schedule 20.04.2017

arrow_upward
0
arrow_downward

На самом деле функция model.summary() может оказаться не тем, что вам нужно, если вы хотите сделать больше, чем просто посмотреть на модель.

Если вы хотите получить доступ к слоям вашей модели Keras, вы можете сделать это с помощью model.layers, который возвращает все слои (назначение сохраняет их в виде списка). Если вы затем захотите посмотреть на конкретный слой, вы можете просто проиндексировать список:

list_of_layers = model.layers
list_of_layers[5] # gives you the 6th layer

То, с чем вы все еще работаете, - это просто объекты, поэтому вы, вероятно, захотите получить определенные значения. Вам просто нужно указать атрибут, на который вы хотите посмотреть:

list_of_layers[-1].output_shape # returns output_shape of last layer

Возвращает вам кортеж output_shape последнего слоя в модели. Вы даже можете пропустить всю процедуру назначения списка, если вы уже знаете, что хотите посмотреть только output_shape определенного слоя, и просто выполните:

model.layers[-1].output_shape # equivalent to the above method without storing in a list

Это может быть полезно, если вы хотите использовать эти значения при построении модели, чтобы направлять выполнение определенным образом (добавление слоя объединения или выполнение заполнения и т. Д.).

person Alexander Rossa    schedule 16.04.2018

arrow_upward
0
arrow_downward

Когда я впервые работаю с TensorFlow cnn, очень сложно иметь дело с размерами. Ниже приведен общий сценарий расчета размеров:

рассмотреть возможность

  1. у нас есть изображение размера (nXn), размер фильтра: (fXf), без отступов, без шагов: после измерения свертки: (n-f + 1, n-f + 1)

  2. размер изображения = (nXn) и размер фильтра = (fXf), и у нас есть заполнение: p, тогда выходные размеры равны = (n + 2P-f + 1, n + 2P-f + 1), если мы используем Padding = 'SAME это означает, что выходное dims = входное dims в этом случае уравнение выглядит так: n + 2P-f + 1 = n, поэтому отсюда p = (f-1) / 2

если мы используем допустимое заполнение, это означает отсутствие заполнения и p = 0

в компьютерном зрении f обычно нечетное, если f четное, это означает, что у нас есть асимметричное заполнение.

  1. случай, когда мы используем stride = s, выходной яркость: (floor (((n + 2P-f) / s) +1), floor (((n + 2P-f) / s) +1))
person ALKESH KUMAR    schedule 01.06.2021