为什么展平后它还是一个二维矩阵？？
来源：3-4 卷积神经网络实战
战战的坚果
2020-03-20
老师，将pooling3做展平，展平成一维向量，每个样本是一个向量，课程中原话为：“但是它还是一个二维矩阵，因为它还有一个XXXXXX样本(没听清)，这里不懂，老师，为什么展平后它还是一个二维矩阵？？
还有老师可以把数据从[None, 3072] -> reshape->[None, 3232]->经过这几个层->?->?->?->?->?->?->?->?->?->?->[None, 44*32]
它们具体数据形状的变化说明一下吗？
写回答
1回答
-
展平后还是二维矩阵的原因是因为还有batch_size这个维度。
维度的变化：
[None, 3072] -> [None, 3, 32, 32] -> 通道变换 -> [None, 32, 32, 3] -> 卷积1 -> [None, 32, 32, 32] -> 池化1 -> [None, 16, 16, 32] -> 卷积2 -> [None, 16, 16, 32] -> 池化2 -> [None, 8, 8, 32] -> 卷积3 -> [None, 8, 8, 32] -> 池化3 -> [None, 4, 4, 32] -> 展平 -> [None, 512] -> 全连接 -> [None, 10]
可以看到，展平只是将后三维展平。所以还是二维矩阵。
012020-03-21
相似问题