machine-learning - Conv2D:如何获取每个过滤器的值

我的模特：

classifier = Sequential()

# Convolutional + MaxPooling -> 1
classifier.add(Conv2D(32, (3,3), input_shape = (IMAGE_SIZE, IMAGE_SIZE, 3)))
convout1 = Activation('relu')
classifier.add(convout1)
classifier.add(MaxPooling2D(pool_size = (2,2)))
classifier.add(Dropout(0.25))

我正在运行以下代码来获取权重

classifier.layers[0].get_weights()[0]

它返回一个3x3x3x32数组。它不应该返回32个3x3矩阵吗？

最佳答案

权重形状是正确的，因为将卷积滤波器应用于整个3D输入体积，并且不共享不同通道的参数（尽管它们在空间上是共享的）。请参见CS231n class中的图片：



是的，输出体积是通过对深度体积上的卷积求和而获得的，但是每个通道中的参数是不同的。

在您的情况下，通道为RGB（自input_shape = (IMAGE_SIZE, IMAGE_SIZE, 3)起），空间滤镜大小为3x3，并且有32个滤镜。因此，结果形状为3x3x3x32，每个过滤器的形状为3x3x3。