Machine learning Keras中Conv2D和卷积2D之间的差异_Machine Learning_Neural Network_Keras_Convolution_Keras Layer

Machine learning Keras中Conv2D和卷积2D之间的差异

machine-learning neural-network keras

Machine learning Keras中Conv2D和卷积2D之间的差异,machine-learning,neural-network,keras,convolution,keras-layer,Machine Learning,Neural Network,Keras,Convolution,Keras Layer,Tensorflow已经有了答案。但问题是在我的IDE中 Conv2D是一个类虽然卷积2D是一个变量？来自，但它们是相同的：（源代码会不时更改，上面链接中的行号最终可能会出错）为什么我会收到这个警告用户警告：更新您对Keras 2 API的Conv2D调用：Conv2D（32，（3,3），input_-shape=（64,64,3…，activation=“relu”）classifier.add（Conv2D（32,3,3，input_-shape=（64,64,3），activat

Tensorflow已经有了答案。但问题是在我的IDE中 Conv2D是一个类虽然卷积2D是一个变量？

来自，但它们是相同的：
（源代码会不时更改，上面链接中的行号最终可能会出错）

为什么我会收到这个警告用户警告：更新您对Keras 2 API的

Conv2D

调用：

Conv2D（32，（3,3），input_-shape=（64,64,3…，activation=“relu”）

classifier.add（Conv2D（32,3,3，input_-shape=（64,64,3），activation='relu'））因为您传递参数的方式在Keras1中是正常的，但不是Keras2的方式。它仍然支持旧方式，但它给了您这个消息。请注意

内核大小=（3,3）

。在keras 2中应该这样做。

# Aliases

Convolution1D = Conv1D
Convolution2D = Conv2D
Convolution3D = Conv3D
SeparableConvolution2D = SeparableConv2D
Convolution2DTranspose = Conv2DTranspose
Deconvolution2D = Deconv2D = Conv2DTranspose
Deconvolution3D = Deconv3D = Conv3DTranspose