为什么我的输入和来自 keras conv2d 的 output 形状尺寸相同？

Question

我正在尝试用这种形状重建别人的网络：

我的（图像）数据进入 .network 具有以下形状：

print(X_train[0].shape)
print(len(X_train))
print(len(y_train))

(150,150,3)
2160
2160

我可以写一个 neural.network 来运行没问题：

model = Sequential()
model.add(Input(shape=(150,150,3)))
model.add(Conv2D(32, kernel_size=3,strides=(1, 1),activation='relu', padding='same', dilation_rate=1))
model.add(MaxPooling2D(pool_size=(2, 2)))

但是当我查看 plot 时，它看起来像这样：

有人可以向我解释为什么我的 Conv2D 层的 output 没有按预期从 150 减少到 148 吗？ （据推测，max_pooling 层中的“错误”数字是这个的结果，所以我只需要专注于理解 Conv2D 层中的差异）。

Answer 1

一种可能的解决方案是在Conv2D层中使用padding=valid ：

model = Sequential()
model.add(Input(shape=(150,150,3)))
model.add(Conv2D(32, kernel_size=3, strides=(1, 1), activation='relu', padding='valid', dilation_rate=1))
model.add(MaxPooling2D(pool_size=(2, 2)))

结果总结：

Model: "sequential"
_________________________________________________________________
 Layer (type)                Output Shape              Param #   
=================================================================
 conv2d (Conv2D)             (None, 148, 148, 32)      896       
                                                                 
 max_pooling2d (MaxPooling2D)  (None, 74, 74, 32)       0         

=================================================================

Answer 2

您使用padding='same这样您就不会“松动”侧面的任何值

这对不同的填充策略有很好的 gif