讓我們假設我有一個形狀的輸入層 (h,w,f) = (1 x 1 x 256 )
讓我做兩個序列
情況1 ：
input = keras.models.Input((1,1,256))
x = keras.layers.Conv2d(f= 32, k=(1,1),s = 1)(input)
x = keras.layers.ReLU()(x)
x = keras.layers.Conv2d(f= 256, k=(1,1),s = 1)(x)
案例2：
input = keras.models.Input((1,1,256))
x = keras.layers.Flatten()(input)
x = keras.layers.Dense(32)(x)
x = keras.layers.ReLU()(x)
x = keras.layers.Dense(256)(x)
x = keras.layers.reshape((1,1,256))(x)
在這兩種情況下，輸出x是否相同？
我正在制作一個類似 SE-Net 的注意力模塊，但不一樣。
uj5u.com熱心網友回復：
是的，您不需要在代碼 2 中應用Flatten()和Reshape()。 Dense 將自動應用于最后一個通道。
轉載請註明出處，本文鏈接：https://www.uj5u.com/yidong/350065.html
上一篇：BERT輸出解釋