Keras CNN 参数太少
Keras CNN too few parameters
我正在尝试在 keras 中使用 3 个输入和 sigmoid 激活函数重新创建以下教程 CNN：
所以参数的数量应该是 7（假设 1 个大小为 2 的过滤器在 2 个位置（前 2 个输入或 2 个较低的输入）上卷积），2 个共享权重（在突触上显示为 1.0）并且没有在 conv1d 层中填充）。当我在 Keras 中编写以下内容时：
我在检查时只得到5个参数model.summary():
我需要做什么才能获得正确数量的参数？由于我是 Keras 的新手，我的代码中可能有几处错误。
所有卷积参数在空间上共享（在一维的情况下，这意味着整个输入序列）。准确地说，长度为 2 的卷积滤波器两次应用于输入 (x[0], x[1]) 和 (x[1], x[2])，但在这两种情况下它是相同的滤波器，相应地可训练参数也相同。
这解释了您现在得到的模型的大小：Conv1D 有 3 个参数（权重 (2) 和偏差 (1)），密集层有 2 个参数，因为Conv1D 的输出是 (?, 2, 1).
最后，我无法对您要实施的网络发表评论。可能他们的意思是 2 个过滤器（但层将有 6 个参数）...但我不知道任何实现，其中卷积层为每个补丁都有单独的参数。
我正在尝试在 keras 中使用 3 个输入和 sigmoid 激活函数重新创建以下教程 CNN：
所以参数的数量应该是 7（假设 1 个大小为 2 的过滤器在 2 个位置（前 2 个输入或 2 个较低的输入）上卷积），2 个共享权重（在突触上显示为 1.0）并且没有在 conv1d 层中填充）。当我在 Keras 中编写以下内容时：
我在检查时只得到5个参数model.summary():
我需要做什么才能获得正确数量的参数？由于我是 Keras 的新手，我的代码中可能有几处错误。
所有卷积参数在空间上共享（在一维的情况下，这意味着整个输入序列）。准确地说，长度为 2 的卷积滤波器两次应用于输入 (x[0], x[1]) 和 (x[1], x[2])，但在这两种情况下它是相同的滤波器，相应地可训练参数也相同。
这解释了您现在得到的模型的大小：Conv1D 有 3 个参数（权重 (2) 和偏差 (1)），密集层有 2 个参数，因为Conv1D 的输出是 (?, 2, 1).
最后，我无法对您要实施的网络发表评论。可能他们的意思是 2 个过滤器（但层将有 6 个参数）...但我不知道任何实现，其中卷积层为每个补丁都有单独的参数。