深度学习中Flatten层的作用
深度学习中Flatten层的作用
一、总结
一句话总结:
Flatten层用来将输入“压平”,即把多维的输入一维化,常用在从卷积层到全连接层的过渡。Flatten不影响batch的大小。
# now:model.output_shape==(None,64,32,32) model.add(Flatten()) # now: model.output_shape==(None,65536)
1、从tensorflow2的keras下引入东西不能from keras.models import Sequential?
可以加上tensorflow:from tensorflow.keras import layers, Sequential
二、深度学习中Flatten层的作用
转自或参考:深度学习中Flatten层的作用
https://blog.csdn.net/program_developer/article/details/80853425
Flatten层的实现在Keras.layers.core.Flatten()类中。
作用:
Flatten层用来将输入“压平”,即把多维的输入一维化,常用在从卷积层到全连接层的过渡。Flatten不影响batch的大小。
例子:
from keras.models import Sequential
from keras.layers.core import Flatten
from keras.layers.convolutional import Convolution2D
from keras.utils.vis_utils import plot_model
model = Sequential()
model.add(Convolution2D(64,3,3,border_mode="same",input_shape=(3,32,32)))
# now:model.output_shape==(None,64,32,32)
model.add(Flatten())
# now: model.output_shape==(None,65536)
plot_model(model, to_file='Flatten.png', show_shapes=True)
为了更好的理解Flatten层作用,我把这个神经网络进行可视化如下图:
我的旨在学过的东西不再忘记(主要使用艾宾浩斯遗忘曲线算法及其它智能学习复习算法)的偏公益性质的完全免费的编程视频学习网站:
【读书编程笔记】fanrenyi.com;有各种前端、后端、算法、大数据、人工智能等课程。
版权申明:欢迎转载,但请注明出处
一些博文中有一些参考内容因时间久远找不到来源了没有注明,如果侵权请联系我删除。
AI交流资料群:753014672