在tensorflow/keras中将参数传递到平坦层后，参数会去哪里_Tensorflow_Keras_Conv Neural Network_Tensorflow2.0

在tensorflow/keras中将参数传递到平坦层后，参数会去哪里

tensorflow keras

在tensorflow/keras中将参数传递到平坦层后，参数会去哪里,tensorflow,keras,conv-neural-network,tensorflow2.0,Tensorflow,Keras,Conv Neural Network,Tensorflow2.0,我不熟悉张量流。只是想知道为什么一个参数为51264的（7，7，64）形状在经过平坦层时会丢失所有参数。我假设展平层就是这样做的，但我只是想知道丢失的参数会发生什么；这些参数有用吗？如果通过参数，你指的是层中的权重和偏差（我猜是这样），那么这些参数不会传递到任何地方。这些参数将附着到图层和节点。在训练期间，我们尝试使用优化算法和反向传播过程来优化这些参数。将要传递的是输入。例如，如果将一个带有形状（Batch_size，7，7，64）的张量作为输入传递给展平层，那么输出的形状将为[Batch_s

我不熟悉张量流。只是想知道为什么一个参数为51264的（7，7，64）形状在经过平坦层时会丢失所有参数。我假设展平层就是这样做的，但我只是想知道丢失的参数会发生什么；这些参数有用吗？

如果通过

参数

，你指的是层中的权重和偏差（我猜是这样），那么这些参数不会传递到任何地方。这些参数将附着到图层和节点。在训练期间，我们尝试使用优化算法和反向传播过程来优化这些参数。将要传递的是输入。例如，如果将一个带有形状（Batch_size，7，7，64）的张量作为输入传递给展平层，那么输出的形状将为

[Batch_size，7*7*64]

展平应用于层的输出值，而不是层本身，权重或偏差与此无关。