Math Keras中Conv2D函数背后的数学

我正在使用

Conv2D

模型的

keras2.0

。但是，我不能完全理解函数在数学上的作用。我尝试使用随机生成的数据和一个非常简单的网络来理解数学：

import numpy as np
import keras
from keras.layers import Input, Conv2D
from keras.models import Model
from keras import backend as K

# create the model
inputs = Input(shape=(10,10,1)) # 1 channel, 10x10 image
outputs = Conv2D(32, (3, 3), activation='relu', name='block1_conv1')(inputs)
model = Model(outputs=outputs, inputs=inputs)

# input
x = np.random.random(100).reshape((10,10))

# predicted output for x
y_pred = model.predict(x.reshape((1,10,10,1))) # y_pred.shape = (1,8,8,32)

例如，在中的演示之后，我尝试计算第一个要素图中第一行、第一列的值

但是

relu（y_pred_000）

不等于

y_pred[0][0][0]

---

有人能指出我的理解有什么问题吗？谢谢。

这很简单，它来自于

Theano

dim订购。应用过滤器的结果存储在所谓的

通道

维度中。对于

TensorFlow

而言，这是最后一个维度，这就是结果良好的原因。如果是

Theano

它是第二维度（卷积结果具有形状

（案例、通道、宽度、高度）

，因此为了解决您的问题，您需要将预测行更改为：

y_pred = model.predict(x.reshape((1,1,10,10))) 

此外，您还需要更改在

中获取权重作为权重的方式。No

具有形状

（输出通道、输入通道、宽度、高度）

您需要将权重获取器更改为：

w = model.layers[1].get_weights()[0] # w.shape = (32,1,3,3)
w0 = w[0,0,:,:]

---

你得到了什么结果？当我运行你的代码时，我得到了

y_pred_000=0.14973172296210166

和

y_pred[0][0][0]=0.14973173

这似乎足够接近了。谢谢你的评论。我得到的结果（在Windows 10上，python 2.7，K.backend（）=theano）是

y_pred_000=0.09696168095799

和

y_pred[0][0][0][0]=0.033766586

。但是在将后端更改为tensorflow（python 3.5，K.backend（）==tensorflow）之后，两个结果是相同的！（

y_pred_000=0.025001197995700348

和

y_pred[0][0][0]=0.02500198

）我想这是一个theano或python2特定的问题。谢谢你的评论。我按照你说的修改了代码，但是我得到了错误：

ValueError:check时出错：预期输入_8有形状（None，10，10，1），但有形状（1L，1L，10L，10L）的数组

我猜

输入的
形状
与重塑输入的形状不匹配。我应该如何修改代码？（在my.keras.keras.json中，
“image\u data\u format”：“channels\u last”
）好的-所以保持预测行不变，只尝试第二次更改。它是如何工作的？我再次得到错误：
ValueError:操作数不能与形状（3,3）（1,32）
一起广播。
w[0,0，：，：，：]
的形状是
（1,32）
，所以它不是内核。什么是
y\u pred
和
y\u pred0000
形状？
y\u pred
：
（1,8,8,32）
，
y\u pred\u 000
：标量
w = model.layers[1].get_weights()[0] # w.shape = (32,1,3,3)
w0 = w[0,0,:,:]