Keras中卷积层的权重

我想知道，例如，在Keras中的二维卷积层中，过滤器的权重是否默认沿空间维度共享。如果是，有没有办法不分享重量？

我不清楚你的要求，但：

单个卷积层中的权重是共享的。也就是说，过滤器在每一步中共享相同的权重

但是，在keras中，两个卷积层之间的权重默认情况下不共享

conv层中的过滤器中没有共享wiegth。由于卷积的执行，如果卸载到C++库.< /p> 有关更多参考，请参见此，特别是：

> TF.N.Val2D.（）的实现，用C++编写，调用 使用Eigen（在CPU上）或cuDNN库（在CPU上）优化代码 GPU）。您可以在这里找到实现

---

我不清楚你问什么，但是：

单个卷积层中的权重是共享的。也就是说，过滤器在每一步中共享相同的权重

但是，在keras中，两个卷积层之间的权重默认情况下不共享

conv层中的过滤器中没有共享wiegth。由于卷积的执行，如果卸载到C++库.< /p> 有关更多参考，请参见此，特别是：

> TF.N.Val2D.（）的实现，用C++编写，调用 使用Eigen（在CPU上）或cuDNN库（在CPU上）优化代码 GPU）。您可以在这里找到实现

---

我发现

LocallyConnected2D

符合我的要求

---

LocallyConnected2D

层的工作原理与

Conv2D

层类似，只是权重是非共享的，也就是说，在输入的每个不同补丁上应用一组不同的过滤器。

我发现

LocallyConnected2D

实现了我想要的功能

---

LocallyConnected2D

层的工作原理与

Conv2D

层类似，只是权重是非共享的，即在输入的每个不同补丁上应用一组不同的过滤器。

共享什么？你到底是什么意思？这是一个卷积。。。不同的过滤器有不同的权重，它们为每个矩阵乘法保持相同的权重…共享什么？你到底是什么意思？这是一个卷积。。。不同的过滤器有不同的权重，它们对每个矩阵乘法保持相同的权重…谢谢。在Keras的单个转换层中，每个过滤器或过滤器组是否可能有不同的权重？假设我们想了解图像不同位置的不同特征。谢谢。在Keras的单个转换层中，每个过滤器或过滤器组是否可能有不同的权重？假设我们想了解图像不同位置的不同特征。