Keras Modellstruktur Fragen

Question

Ich bin auf this tutorial auf Keras, um eine grundlegende Conv-Net zu trainieren. Ich finde ein paar Dinge verwirrend, und die Keras-Dokumentation geht auch nicht sehr detailliert.

Blick Lassen Sie uns bei den ersten paar Schichten des Netzwerks:

model = Sequential() 

model.add(Convolution2D(32, 3, 3, activation='relu', input_shape=(1,28,28))) 
model.add(Convolution2D(32, 3, 3, activation='relu')) 
model.add(MaxPooling2D(pool_size=(2,2))) 
model.add(Dropout(0.25)) 

Meine Fragen:

1. Das Tutorial beschreibt die erste Schicht als „Eingangsschicht“. Die erste Zeile enthält jedoch eine Convolution2D-Funktion mit einem input_shape. Habe ich richtig angenommen, dass dies tatsächlich die erste versteckte Schicht (eine Faltungsschicht) ist, anstatt nur die Eingabe Schicht? Grund ist, dass wir keine separate model.add() Anweisung nur für die Eingabe benötigen? In der Funktion Convolution2D() verwenden wir 32 Filter, wobei jeder Filter 3x3 Pixel groß ist Nach meinem Verständnis ist ein Filter ein kleiner Pixelblock, der über das Bild "scannt". Benötigen wir also für ein 28x28-Bild nicht 676 Filter (26 * 26, da jeder Filter 3x3 ist)? Was bedeutet die 32 hier?
2. Die letzte Zeile ist eine Dropout-Ebene. Aus meiner Sicht ist Dropout eine Regularisierungstechnik und wird auf das gesamte Netzwerk angewendet. Also gilt die Dropout(0.25) hier ein 25% Dropout nur auf die vorherige Ebene? Oder gilt es für alle davor liegenden Schichten?

Danke.

Answer 1

1. Jedes Mal, wenn Sie anrufen model.fit(), Sie sind das Bestehen der 28 * 28 Bild. Das ist also die Eingabe für das Modell. Zusätzlich zu dieser Eingabe führen wir Faltung durch, um Feature-Maps zu generieren.

2. Faltung bedeutet Matrixmultiplikation. Also ist die Ausgabe eines einzelnen Filters in der ersten Schicht 26 * 26 Matrix. Wir haben solche 32 Matrizen. Das ist was 32 bedeutet. Überprüfen Sie dies für weitere Erläuterungen. https://ujjwalkarn.me/2016/08/11/intuitive-explanation-convnets/

3. Dies gilt Abbruch mit Wahrscheinlichkeit 0,25 auf die Ebene vor dem Satz.