(tf2/tf.keras) # params 如何在一個模型包含另一個模型時減少

Question

我有一個名為模型 A 的 keras 模型（不是層）。模型 A 包含 keras.Layers 類型：Dense、Conv2D、AveragePooling2D、BatchNormalization、add、GlobalAveragePooling2D。

model.summary() 的輸出如下：

_________________________________________________________________
Layer (type)                 Output Shape              Param #   
=================================================================
layer_type_1 (Layer_type_1)  multiple                  3776      
_________________________________________________________________
...                           ...                      ...
_________________________________________________________________
dense (Dense)                multiple                  1024      
=================================================================
Total params: 4,787,808
Trainable params: 4,782,496
Non-trainable params: 5,312
_________________________________________________________________

我有另一個 keras 模型（模型 B），其中包含模型 A。

概括（）：

_________________________________________________________________
Layer (type)                 Output Shape              Param #   
=================================================================
conv2d (Conv2D)              multiple                  35        
_________________________________________________________________
model_A (ModelA)             multiple                  4787232   
=================================================================
Total params: 4,787,267
Trainable params: 4,781,955
Non-trainable params: 5,312
_________________________________________________________________

我想知道模型 B 中的總參數數量怎么會少於模型 A？

由於模型 B 包含模型 A，它必須更大。

Answer 1

我發現這是因為輸入形狀（到模型 A）由於模型 B 中的第一個 Conv2D 層而從 (W, D, 6) 更改為 (W, D, 5)。