我想知道在Keras中的例如2D卷積層中的濾波器權重是否默認沿空間維度共享。如果是的話,有沒有辦法不分享權重?Keras中的卷積層中的權重
0
A
回答
1
我不是你的問清楚,但:
在一個卷積層的權重是共用的。也就是說,這些過濾器在每個步幅中共享相同的權重。
但是,權重之間兩個卷積層在默認情況下在keras中不共享。
conv層中的過濾器沒有繞過共享wiegths。自從將卷積轉換爲C++庫之後執行。
見本answer供進一步參考,特別是:
tf.nn.conv2d的實現()被用C++編寫,這將調用使用 優化的代碼或者本徵(上CPU)或cuDNN庫(在 GPU上)。你可以在這裏找到實現。
+0
謝謝。是否有可能爲單個轉換中的每個過濾器或一組過濾器設置不同的權重?層在凱拉斯?假設我們想要在圖像的不同位置學習不同的特徵。 –
2
我發現LocallyConnected2D
做我在找的東西。
LocallyConnected2D
該層的工作方式類似於Conv2D
層,不同之處在於權重是未共享,即,一組不同的濾波器在輸入的每個不同補丁應用。
相關問題
- 1. Keras卷積層輸出的可視化
- 2. 重置Keras圖層中的權重
- 3. 卷積層錯配Keras維數
- 4. 修改Keras中的圖層權重
- 5. 如何用Keras中的任意內核初始化卷積層?
- 6. 如何將密集層轉換爲Keras中的等價卷積層?
- 7. 如何可視化keras中卷積神經網絡中間層的輸出?
- 8. Keras - 獲得訓練層的權重
- 9. 修正Tensorflow中的去卷積層
- 10. Tensorflow中卷積自動編碼器中的共享權重
- 11. Keras中的二維卷積中的錯誤
- 12. 在Keras的卷積神經網絡中實現裁剪/修整層?
- 13. 具有解卷積層的Concat FC層
- 14. Keras - 從前一層重用權重 - 轉換爲keras張量
- 15. 重塑Keras中的中間層
- 16. 卷積神經網絡中權重和輸出的值
- 17. 如何解釋Keras中LSTM層的權重
- 18. Golang中的卷積
- 19. 瞭解Caffe卷積層
- 20. 卷積層輸出尺寸
- 21. 做任何keras網絡卷積
- 22. 3通道圖像的卷積層
- 23. 第二卷積層的輸入尺寸?
- 24. 如何在keras中正確地從Conv2D獲取圖層權重?
- 25. 如何在Keras/Theano中執行反捲積?
- 26. 尺寸的輸入,以從卷積層中的CNN
- 27. 關於CIFAR10的卷積層中的形狀值示例
- 28. Tensorflow中的Dialated卷積
- 29. C++中的3d卷積
- 30. python中的2D卷積
之間共享什麼?你究竟是什麼意思?這是一個卷積...不同的濾波器有不同的權重,它們對每個矩陣乘法保持相同的權重... –