1回答

正十七

2020-03-08

# conv1: 神经元图， feature_map, 输出图像
conv1 = tf.layers.conv2d(x_image,                         
                         32, # output channel number
                         (3,3), # kernel size
                         padding = 'same',
                         activation = tf.nn.relu,
                         name = 'conv1')
# 16 * 16
pooling1 = tf.layers.max_pooling2d(conv1,
                                   (2, 2), # kernel size
                                   (2, 2), # stride
                                   name = 'pool1')


conv2 = tf.layers.conv2d(pooling1,
                         32, # output channel number
                         (3,3), # kernel size
                         padding = 'same',
                         activation = tf.nn.relu,
                         name = 'conv2')
# 8 * 8
pooling2 = tf.layers.max_pooling2d(conv2,
                                   (2, 2), # kernel size
                                   (2, 2), # stride
                                   name = 'pool2')

同学你好，你说的应该是这段代码吧。

这里的32是输出通道数。也就是下一层的输入通道数，输入通道数不需要在函数里设置，因为函数会通过上一层的输入自己知道，而输出通道数需要我们设置。

另外：第二个卷积层的输入和输出通道数目为什么应该是16呢？

0

1

williamluo

输出通道32是自己指定的吗 还是计算出来的

2020-04-28

共1条回复