當前正在廣泛使用上教程和其他地方的theano.tensor.nnet.conv.conv2d

Question

該函數的輸出的大小的形式爲：

conv_out = conv2d(
     input= x, # some 4d tensor 
     filters= w, # some shared variable 
     filter_shape= [ nkerns, stack_size, filter_height, filter_width ], 
     image_shape= [ batch_size, stack_size, height, width ] 
    ) 

1. 如果第一層美國有線電視新聞網，我有作爲[ 20, 1 , 7, 7 ]這是kernals的數量是20，每個7×7，'1'代表什麼？我的image_shape是[100, 1, 84, 84 ]。

2. 這個卷積現在輸出我理解的形狀[ 100, 20, 26, 26]的張量。我的下一層現在採用參數 = [50, 20, 5 ,5 ],image_shape = [ 100, 20 ,26, 26 ]併產生形狀爲[ 100 ,50 ,11 ,11 ]的輸出。我似乎理解這種操作，除非如果我想使用生成的前20個功能地圖上的每個「50」過濾器層，我不應該生成1000個功能地圖，而不是隻生成50個功能地圖？爲了重申我的問題，我有一堆20個特徵映射，每個特徵映射都運行50個卷積，不應該是我的輸出形狀是[100, 1000, 11, 11]而不是[ 100, 50 , 11, 11]？

Answer 1

回答您的問題：

1. 的1代表輸入通道的數量。由於您似乎正在使用灰度圖像，所以這是一個。對於彩色圖像，它可以是3.對於第二個問題中的其他卷積圖層，它必須等於上一層生成的輸出數量。

2. 對輸入信號[100, 20, 26, 26]使用尺寸爲[50, 20, 5, 5]的過濾器實際上也是第一個問題的一個很好的例子。你在這裏有50個形狀爲[20, 5, 5]的過濾器。每張圖片的形狀爲[20, 26, 26]。卷積每次使用全部20個通道：濾波器0被應用於圖像通道0，濾波器1被應用於圖像1，並且整體結果被累加。那有意義嗎？