英文:
Trying understand tensorflow sequential summary
问题
以下是翻译好的部分：
| 层 (类型) | 输出形状 | 参数数目 |
|---|---|---|
| zero_padding2d (ZeroPadding2D) | (None, 70, 70, 3) | 0 |
| conv2d (Conv2D) | (None, 64, 64, 32) | 4736 |
我不明白为什么有 4736 个参数？64 * 64 * 32 != 4736
我的模型：
tf.keras.Sequential([
tf.keras.Input(shape=(64, 64, 3)),
## 零填充层，填充为3，输入形状为64 x 64 x 3
tf.keras.layers.ZeroPadding2D(padding=3),
## Conv2D 层，有32个7x7的过滤器和步幅为1
tf.keras.layers.Conv2D(
filters=32,
kernel_size=7,
strides=(1, 1)
),
## 沿轴3的批量标准化
tf.keras.layers.BatchNormalization(
axis=3
),
## ReLU激活函数
tf.keras.layers.ReLU(),
## 2D最大池化层，默认参数
tf.keras.layers.MaxPooling2D(),
## 展平层
tf.keras.layers.Flatten(),
## 具有1个单元的全连接层，使用'sigmoid'激活函数
tf.keras.layers.Dense(1, activation='sigmoid')
])
希望这有助于理解模型的概要以及参数数量的来源。
英文:
I can't figure out a summary of my model. For example first 2 rows of the summary(tf.keras.Sequential.summary()):
| Layer (type) | Output Shape | Param # |
|---|---|---|
| zero_padding2d (ZeroPadding2D) | (None, 70, 70, 3) | 0 |
| conv2d (Conv2D) | (None, 64, 64, 32) | 4736 |
I don't understand why 4736 params? 64 * 64 * 32 != 4736
my model:
tf.keras.Sequential([
tf.keras.Input(shape=(64 , 64 ,3)),
## ZeroPadding2D with padding 3, input shape of 64 x 64 x 3
tf.keras.layers.ZeroPadding2D(padding=3),
## Conv2D with 32 7x7 filters and stride of 1
tf.keras.layers.Conv2D(
filters = 32,
kernel_size = 7,
strides = (1,1)
),
## BatchNormalization for axis 3
tf.keras.layers.BatchNormalization(
axis=3
),
## ReLU
tf.keras.layers.ReLU(),
## Max Pooling 2D with default parameters
tf.keras.layers.MaxPooling2D(),
## Flatten layer
tf.keras.layers.Flatten(),
## Dense layer with 1 unit for output & 'sigmoid' activation
tf.keras.layers.Dense(1, activation='sigmoid')
])
答案1
得分: 1
参数的数量等于Tensorflow在训练特定层时可以调整的变量数量。它与输入大小有关，但不直接等于输入的数量。
这也解释了零填充层的“param #”。零填充不可训练，因此参数数量为零。
英文:
The number of parameters equals the number of variables Tensorflow can tune when training that particular layer. It is related to the input size but does not equal the number of inputs directly.
That also explains the param # of the zero padding layer. Zero padding is not trainable, so the number of parameters is zero.
通过集体智慧和协作来改善编程学习和解决问题的方式。致力于成为全球开发者共同参与的知识库，让每个人都能够通过互相帮助和分享经验来进步。
评论