keras中2D卷积层的input_shape

在Keras的Convolution2D文档中，对于128×128的RGB图片，input_shape被定义为input_shape=(3, 128, 128)，因此我认为第一个组件应该是平面数（或特征层数）。

如果我运行以下代码：

model = Sequential()model.add(Convolution2D(4, 5,5, border_mode='same', input_shape=(3, 19, 19), activation='relu'))print(model.output_shape)

我得到的output_shape是(None, 3, 19, 4)，而我认为应该得到(None, 4, 19, 19)，其中4是滤波器的数量。

这是Keras文档示例中的错误还是我遗漏了什么？

（我正在尝试重现AlphaGo的一部分，所以19×19是棋盘大小，对应于图像大小。）

回答：

您使用的是Theano的维度顺序(channels, rows, cols)作为输入，但您的Keras似乎使用的是TensorFlow的(rows, cols, channels)。

因此，您可以直接在代码中切换到Theano的维度顺序，使用：

或者编辑keras.json文件（通常位于~\.keras），将

"image_dim_ordering": "tf"更改为"image_dim_ordering": "th"

或者您可以保持TensorFlow的维度顺序，并将input_shape更改为(19,19,3)

学技术