我目前正试图理解在tf.keras.applications.InceptionV3
中实现的Inseption v3的体系结构
我正在查看模型层中的名称列表:
print([layer.name for layer in model.layers])
#Outputs:
['input_1',
'conv2d',
'batch_normalization',
'activation',
'conv2d_1',
'batch_normalization_1',
'activation_1',
'conv2d_2',
...
]
我了解批处理规范化、池化和conv层是如何转换输入的,但更深层的是,我们有名为mixed1, mixed2, ...
的层等等。我试图理解他们(混合层)是如何转换他们的输入的
到目前为止,我找不到关于他们的任何信息。 混合层是如何工作的?它有什么作用
混合1,混合2。。。是类型为tf.keras.layers.Concatenate的层。 您可以在此处阅读有关这些图层的更多信息: https://keras.io/api/layers/merging_layers/concatenate/
请参阅InceprtionV3 paper
您可以看到,混合层由四个具有单个输入的并行连接组成,我们通过将所有并行输出连接成一个来获得输出。请注意,要连续所有输出,所有并行特征映射必须具有相同的前两个维度(特征映射的数量可能不同),这是通过跨步和池来实现的
相关问题 更多 >
编程相关推荐