我的模型：

classifier = Sequential()# Convolutional + MaxPooling -> 1classifier.add(Conv2D(32, (3,3), input_shape = (IMAGE_SIZE, IMAGE_SIZE, 3)))convout1 = Activation('relu')classifier.add(convout1)classifier.add(MaxPooling2D(pool_size = (2,2)))classifier.add(Dropout(0.25))

我运行以下代码来获取权重

classifier.layers[0].get_weights()[0]

它返回了一个3x3x3x32的数组。难道它不应该返回32个3x3的矩阵吗？

回答：

权重的形状是正确的，因为卷积滤波器是应用于整个3D输入体的，并且不同通道的参数是不共享的（尽管它们在空间上是共享的）。请看CS231n课程中的图片：

是的，输出体是通过在深度体上对卷积进行求和得到的，但每个通道的参数是不同的。

在你的例子中，通道是RGB（因为input_shape = (IMAGE_SIZE, IMAGE_SIZE, 3)），空间滤波器大小是3x3，并且有32个滤波器。因此，结果形状是3x3x3x32，每个滤波器的形状是3x3x3。