Pythonkeras如何将密集层转化为卷积层

Question

我在找到正确的权重映射以将密集层转换为卷积层时遇到问题。

这是我正在研究的 ConvNet 的摘录：

model.add(Convolution2D(512, 3, 3, activation='relu'))
model.add(MaxPooling2D((2,2), strides=(2,2)))
model.add(Flatten())
model.add(Dense(4096, activation='relu'))

经过MaxPooling后，输入的shape为(512,7,7)。我想将密集层转换为卷积层，使其看起来像这样：

model.add(Convolution2D(512, 3, 3, activation='relu'))
model.add(MaxPooling2D((2,2), strides=(2,2)))
model.add(Convolution2D(4096, 7, 7, activation='relu'))

但是，我不知道我需要如何重塑权重才能将扁平化的权重正确映射到卷积层所需的 (4096,512,7,7) 结构？现在，密集层的权重维度为 (25088,4096)。我需要以某种方式将这 25088 个元素映射到 (512,7,7) 的维度，同时保留权重到神经元的正确映射。到目前为止，我已经尝试了多种重塑然后转置的方法，但我一直无法找到正确的映射。

我一直在尝试的一个例子是：

weights[0] = np.transpose(np.reshape(weights[0],(512,7,7,4096)),(3,0,1,2))

但它没有正确映射权重。我通过比较两个模型的输出来验证映射是否正确。如果正确完成，我希望输出应该是相同的。

Answer 1

还在寻找解决方案吗？这是：

new_conv_weights = dense_weights.transpose(1,0).reshape(new_conv_shape)[:,:,::-1,::-1]

你的情况：

weights[0] = weights[0].transpose(1,0).reshape((4096,512,7,7))[:,:,::-1,::-1]

棘手的部分是转换过滤器翻转 [:,:,::-1,::-1]。 Theano 做的是卷积而不是相关（不像 caffe，例如）。因此，在 Keras 过滤器中，如：

1 0
0 0

应用于矩阵：

1 2 3 4 5
6 7 8 9 0
1 2 3 4 5

矩阵中的结果：

7 8 9 0 
2 3 4 5

不是这个，正如人们所期望的那样：

1 2 3 4
6 7 8 9

为了使事情按预期工作，您需要将滤镜旋转 180 度。刚刚为自己解决了这个问题，希望这对您或其他人有所帮助。干杯。

Pythonkeras如何将密集层转化为卷积层

Python keras how to transform a dense layer into a convolutional layer

python

machine-learning

convolution

keras