Keras-Conv2D参数序

如果我有一个包含32个卷积5x5 rgb内核的层，我希望它的形状是（32，5，5，3）是（count，h，w，rgb），但实际上是 (5, 5, 3, 32). 这会把迭代搞得一团糟

for kern in kernels:

工作不正常。我得到一系列（5,3,32）nArray。我没有得到每个5x5 rgb内核。

---

我只是做错了吗？

奇怪的是，

内核

存储在

（h、w、通道、过滤器）

的形状中，正如图中所示：

kernel_shape = self.kernel_size + (self.filters, input_dim)
self.kernel = self.add_weight(shape=kernel_shape, ...)
...

但是，如果这就是您看到的，并且如果您需要在每个过滤器上迭代，为什么不使用以下命令移动轴：

---

为了获得所需的

（内核、h、w、通道）

出于好奇，您为什么要这样做？进行自定义内核生成以获得未经反向传播训练的CNN，以便可以使用未标记的数据。然后在事实发生后进行标记。换句话说，为整个训练图像集生成最大不同的核。

kernel = np.moveaxis(kernel, -1,0)