Fatal编程技术网
  • keras/
  • Keras 零填充二维尺寸

Keras 零填充二维尺寸

keras deep-learning

Keras 零填充二维尺寸,keras,deep-learning,conv-neural-network,Keras,Deep Learning,Conv Neural Network,根据MobileNet Ver2。Keras提供的API，我们观察到ZeroPadding2D的宽度和高度的输出维度仅增加1，如下图所示 但是，对于CNN计算机制，零填充将输出维度增加了零填充整数的2倍。下面的ZeroPadding2D（）实验也证明了这一观点。因此，既然padding=0.5对设置也不合法，那么MobileNetV2 API的ZeroPadding2D（）的维度输出如何仅增加1 input_shape=（224,3） x_in=输入（输入_形状） x=ZeroPadding2D

根据MobileNet Ver2。Keras提供的API，我们观察到ZeroPadding2D的宽度和高度的输出维度仅增加1，如下图所示

但是，对于CNN计算机制，零填充将输出维度增加了零填充整数的2倍。下面的ZeroPadding2D（）实验也证明了这一观点。因此，既然padding=0.5对设置也不合法，那么MobileNetV2 API的ZeroPadding2D（）的维度输出如何仅增加1

input_shape=（224,3）
x_in=输入（输入_形状）
x=ZeroPadding2D（padding=（1,0），data_format='channels_last'）（x_in）
x=展平（）（x）
x=密集（4，激活='softmax'）（x）
测试模型=模型（输入=x英寸，输出=x）
test_model.summary（）

在
零填充2D
中，
填充可以是int，也可以是2个int的元组，也可以是2个int的2个元组的元组。根据报告：


    

  • If int：对高度和宽度应用相同的对称填充
    • 

  • 如果两个整数的元组：解释为高度和宽度的两个不同对称填充值：
    （对称高度填充，对称宽度填充）
    • 

  • 如果两个整数的两个元组的元组：解释为
    （（上下垫），（左垫，右垫））
    • 



MobileNet使用
（（0,1），（0,1））
（请参阅）。因此，宽度和高度增加了1（
top\u pad=0，bottom\u pad=1，left\u pad=0，right\u pad=1
）。
请不要使用图像。您好，索罗斯，非常感谢您的回复！我从中学习！