Python CNN中的Conv2D输出形状太小

第一个Conv2D层中的输入形状应该是（1001001），而输出是（None，9898200）。我知道200和None决定了什么，但我不确定98作为参数。 除此之外，我还随机选择了200个作为我的模型在Conv2D中的过滤器数量。如何为我的模型确定合适数量的过滤器。它是基于反复试验吗？请帮忙。谢谢

from keras.models import Sequential
from keras.layers import Dense, Activation, Flatten, Dropout
from keras.layers import Conv2D, MaxPooling2D
from keras.callbacks import ModelCheckpoint

print(data.shape[1:])
model = Sequential()
model.add(Conv2D(200, (3,3), input_shape = data.shape[1:]))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size = (2,2)))

model.add(Conv2D(100,(3,3)))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(2,2)))

model.add(Flatten())
model.add(Dropout(0.5))
model.add(Dense(50, activation = 'relu'))
model.add(Dense(2, activation = 'softmax'))

model.compile(loss = 'categorical_crossentropy', optimizer = 'adam', metrics = ['accuracy'])
model.summary()

（1001001） 型号：“顺序_3”

---

图层（类型）输出形状参数# conv2d_5（conv2d）（无，98，98，200）2000

---

激活_5（激活）（无、98、98、200）0

---

最大池2D池5（最大池2（无、49、49、200）0

---

conv2d_6（conv2d）（无、47、47、100）180100

---

激活_6（激活）（无、47、47、100）0

---

最大池2D池6（最大池2（无、23、23、100）0

---

展平3（展平）（无，52900）0

---

辍学3（辍学）（无，52900）0

---

致密_5（致密）（无，50）2645050

---

致密_6（致密）（无，2）102 总参数：2827252 可培训参数：2827252 不可训练参数：0

---

将

padding=“same”

作为参数添加到

conv2d

中，输出维度将与输入维度相同

默认设置为

padding=“valid”

，由于您使用3x3过滤器，步长为1，因此最终得到98x98维度，因为3x3过滤器可以容纳100x100 98次。

将

padding=“same”

作为参数添加到

conv2d

中，输出维度将与输入维度相同

---

默认设置为

padding=“valid”

由于您使用的是3x3过滤器，步长为1，因此最终得到的尺寸为98x98，因为您的3x3过滤器可以容纳100x100 98次。

很有意义！非常感谢您如果我的答案对您有帮助，如果您能“接受”我的答案就太好了：D很有意义！非常感谢您如果我的答案对您有帮助，如果您能“接受”m就太好了y回答：D