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:Keras中卷积层的权重,keras,keras-layer,Keras,Keras Layer,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C
> 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。