我是CNN和TensorFlow的新手。我刚开始学习Geron的《Hands-on TF》书大约两天。如果有人能帮我，我将不胜感激。
目标：了解为什么Keras官方文档（https://www.tensorflow.org/api_docs/python/tf/keras/layers/Conv2D）使用Conv2D (m,n...)的表示法。
问题：我写了两组代码。我理解第一组代码，它使用了明确声明的filters和kernel_size数值。
TF和Python版本：
sys.versionOut: '3.7.9 (default, Aug 31 2020, 17:10:11) [MSC v.1916 64 bit (AMD64)]'tf.__version__Out: '2.3.0'代码1：
import tensorflow as tfinput_shape = (4, 30, 60, 3) #样本30x60的RGB图像。`batch_size` = 4a1=tf.keras.layers.Conv2D(filters=10,kernel_size=(3,3), input_shape=input_shape[1:])a1(tf.random.normal(input_shape)).shapea1.filtersa1.kernel_sizemodel = tf.keras.Sequential()model.add(a1)model.output_shapemodel.summary()输出：
Out[99]: TensorShape([4, 28, 58, 10]) #我们没有使用填充。所以张量的形状是4批次 x 28x58 x 10过滤器Out[99]: 10 #过滤器数量Out[99]: (3, 3) #核大小 Out[99]: (None, 28, 58, 10) #这是单张图像的特征图模型: "sequential_24"_________________________________________________________________层 (类型) 输出形状 参数数 =================================================================conv2d_34 (Conv2D) (None, 28, 58, 10) 280 =================================================================总参数: 280可训练参数: 280不可训练参数: 0_________________________________________________________________
我对上述输出感到满意。我已经在上面添加了我的想法。
代码2：现在，我修改了上面的代码，不再明确提及kernel_size和filters，按照上述官方文档的要求进行修改。
a2=tf.keras.layers.Conv2D(10,3,3, input_shape=input_shape[1:]) #这是改动之处。a2(tf.random.normal(input_shape)).shapea2.filtersa2.kernel_sizemodel = tf.keras.Sequential()model.add(a2)model.output_shapemodel.summary()输出：
Out[100]: TensorShape([4, 10, 20, 10])Out[100]: 10Out[100]: (3, 3)Out[100]: (None, 10, 20, 10)模型: "sequential_25"_________________________________________________________________层 (类型) 输出形状 参数数 =================================================================conv2d_35 (Conv2D) (None, 10, 20, 10) 280 =================================================================总参数: 280可训练参数: 280不可训练参数: 0_________________________________________________________________
如我们所见，唯一的区别在于代码1使用Conv2D(filters=10,kernel_size=(3,3),...，而代码2使用Conv2D(10,3,3,...。此外，filters和kernel_size也是相同的。然而，output_shape完全不同。
这是为什么呢？请有人解释一下好吗？我在Keras官方文档（https://www.tensorflow.org/api_docs/python/tf/keras/layers/Conv2D）上找不到任何相关信息。
回答：
在使用tf.keras.layers.Conv2D()时，您应该将第二个参数（kernel_size）作为一个元组(3, 3)传递，否则您将第二个参数设为kernel_size=3，然后第三个参数设为stride=3。使用步长3，您会看到输入形状是原始输入形状的1/3，向最近的整数四舍五入。
所以，请将您的代码更改为：
a2=tf.keras.layers.Conv2D(10, (3,3), input_shape=input_shape[1:])