Tensorflow 关于使用Keras在VGG16中构建第一个输入层

在本文中，作者包含了构建VGG16网络的代码段。我对代码的以下部分有一些疑问

model = Sequential()
model.add(ZeroPadding2D((1, 1), batch_input_shape=(1, 3, img_width, img_height)))
first_layer = model.layers[-1]
# this is a placeholder tensor that will contain our generated images
input_img = first_layer.input

与

model.add相关（ZeroPadding2D（（1，1），batch\u input\u shape=（1，3，img\u width，img\u height））

，我们通常使用

ZeroPadding2D

构建第一层读取图像作为输入，这是否总是正确的？

（1,1）

为输入指示了什么

ZeroPadding2D

的参数。根据Keras文档，这意味着我们为行和列都添加了1个零。如何决定要加多少个零

其次，为什么我们需要在

第一层=模型层[-1]

中设置

-1

？这里我们只有一个层，它应该是

0

我们通常使用ZeroPadding2D构建第一层读取图像作为输入，这是否总是正确的

视情况而定。在这段特殊的代码中，作者打算执行3x3卷积，输出与输入图像具有相同宽度和高度的图像特征。如果输入图像大小为2的幂，则通常会出现这种情况，因为您希望保留2x2池层的数字

无填充：

128x128 -[3x3 conv]-> 126x126 -[2x2 pool]-> 63x63 -[3x3 conv]-> 61x61 -> *how to pool next?*

带填充：

128x128 -[pad 1]-> 130x130 -[3x3 conv]-> 128x128 -[2x2 pool]-> 64x64
-[pad+conv+pool]-> 32x32 -[...]-> 16x16 -> 8x8 ...

（1,1）表示ZeroPadding2D的输入参数是什么

如果输入图像为128*128，则

（1,1）

零填充将创建一个130x130图像，添加一个1像素宽的黑色帧

（1,1）

表示在水平/垂直边缘分别添加多少像素

           o o o o o
x x x      o x x x o
x x x  ->  o x x x o
x x x      o x x x o
           o o o o o

如果打算使用5x5卷积来保持图像尺寸，则需要填充

（2,2）

为什么我们需要在first_layer=model.layers[-1]中设置-1

---

使用精确索引是可以的。但是，如果有一天您决定在第一个卷积层下面添加一个预处理层，您不需要更改

[-1]

索引，因为它总是提供最顶层。如果您忘记了，请减少错误。

谢谢您的详细解释。