keras 卷积神经网络 - 输出形状

Question

请原谅我的无知，因为我是该地区的新手。我试图从我的神经网络中获得正确的输出形状，它有 3 个 Conv2D 层，然后是 2 个 Dense 层。我的输入形状是 (140, 140, 4)，它们是 4 个灰度图像。当我适合 1 个输入时，我期望输出为 (1, 4) 但我在这里得到 (14, 14, 4) 的形状。我在这里做错了什么？非常感谢您提前提供的帮助！

meta_layers = [Conv2D, Conv2D, Conv2D, Dense, Dense]
meta_inits = ['lecun_uniform'] * 5
meta_nodes = [32, 64, 64, 512, 4]
meta_filter = [(8,8), (4,4), (3,3), None, None]
meta_strides = [(4,4), (2,2), (1,1), None, None]
meta_activations = ['relu'] * 5
meta_loss = "mean_squared_error"
meta_optimizer=RMSprop(lr=0.00025, rho=0.9, epsilon=1e-06)
meta_n_samples = 1000
meta_epsilon = 1.0;
    meta = Sequential()
    meta.add(self.meta_layers[0](self.meta_nodes[0], init=self.meta_inits[0], input_shape=(140, 140, 4), kernel_size=self.meta_filters[0], strides=self.meta_strides[0]))
    meta.add(Activation(self.meta_activations[0]))
    for layer, init, node, activation, kernel, stride in list(zip(self.meta_layers, self.meta_inits, self.meta_nodes, self.meta_activations, self.meta_filters, self.meta_strides))[1:]:
        if(layer == Conv2D):
            meta.add(layer(node, init = init, kernel_size = kernel, strides = stride))
            meta.add(Activation(activation))
        elif(layer == Dense):
            meta.add(layer(node, init=init))
            meta.add(Activation(activation))
        print("meta node: " + str(node))
    meta.compile(loss=self.meta_loss, optimizer=self.meta_optimizer)

Answer 1

您的问题在于，在版本 >= 2.0 的 Keras 中，Dense 层应用于输入的最后一个通道（您可以阅读它here）。所以如果你申请：

Dense(512)

到形状为(14, 14, 64) 的Conv2D 层，您将获得形状为(14, 14, 512) 的输出，然后应用Dense(4) 将为您提供形状为(14, 14, 4) 的输出。你可以调用model.summary()方法来确认我的话。

为了解决这个问题，您需要将以下层之一：GlobalMaxPooling2D、GlobalAveragePooling2D 或 Flatten 应用于最后一个卷积层的输出，以便将输出压缩为仅二维（使用形状(batch_size, features)。