我有一个tf.keras.layers.Conv2D，结构如下：
>>> conv2d_layer = tf.keras.layers.Conv2D(filters=128, kernel_size=(3, 3), strides=2)作为参考，该层是网络的一部分，其中前一层是prior_layer = Conv2D(filters=64, kernel_size=(3, 3), strides=2)。
当我调用conv2d_layer.get_weights()时，它返回一个包含两个条目的列表：
>>> [w.shape for w in conv2d_layer.get_weights()]
[(3, 3, 64, 128), (128,)]为什么conv2d_layer.get_weights()中有两个np.ndarray？它们各自的含义是什么？
2条答案
按热度按时间mu0hgdu01#
第一个形状是conv2D的权重，第二个形状是同一层的偏移，由向量表示。
查看文档，您可以看到
例如，“密集”图层返回包含两个值的列表：内核矩阵和偏移向量。这些可用于设置另一个密集层的权重：
qco9c6ql2#
你有
128个卷积滤波器，每个滤波器都有一个偏置和一个内核。内核的大小为3x3。此外，内核深度等于输入深度（在本例中表示64）。因此，我们有(3, 3, 64)作为内核，有128滤波器，因此所有滤波器的形状都等于(3, 3, 64, 128)。此外，因此第二权重的形状等于(128,)