我在Keras中有一个卷积神经网络。我需要知道每一层中特征图的维度。我的输入是一个28×28像素的图像。我知道有方法可以计算这个，但我还不确定具体怎么做。下面是使用Keras的代码片段。

img_rows, img_cols = 28, 28nb_filters = 32nb_pool = 2nb_conv = 3model = Sequential()model.add(Convolution2D(nb_filters, nb_conv, nb_conv, border_mode='valid', input_shape=(1, img_rows, img_cols)))model.add(Activation('relu'))model.add(Convolution2D(nb_filters, nb_conv, nb_conv))model.add(Activation('relu'))model.add(MaxPooling2D(pool_size=(nb_pool, nb_pool)))model.add(Dropout(0.25))model.add(Convolution2D(64, nb_conv, nb_conv, border_mode='valid'))model.add(Activation('relu'))model.add(Convolution2D(64, nb_conv, nb_conv))model.add(Activation('relu'))model.add(MaxPooling2D(pool_size=(nb_pool, nb_pool)))model.add(Dropout(0.25))model.add(Flatten())model.add(Dense(512))model.add(Activation('relu'))model.add(Dropout(0.5))model.add(Dense(nb_classes))model.add(Activation('softmax'))

最终，我希望能绘制出这样的图。谢谢你。

回答：

查看这篇文章。

输出体空间大小的公式为：K*((W−F+2P)/S+1)，其中W – 输入体的大小，F – 卷积层神经元的感受野大小，S – 应用的步长，P – 在边界上使用的零填充量，K – 卷积层的深度。