TensorFlow中Conv2D为何包含两个权重矩阵？

conv2d_layer.get_weights()返回两个np.ndarray，是因为默认配置下的Conv2D层包含两类可训练参数：卷积核权重和偏置项权重，这两类参数都会被返回。

两个数组的具体含义： #

• 第一个数组（形状(3, 3, 64, 128)）：
  这是卷积核的权重张量，各维度的意义分别是：

  • 3, 3：卷积核的高和宽，对应你定义层时设置的kernel_size=(3,3)
  • 64：输入特征图的通道数，对应前一层Conv2D的filters=64
  • 128：当前层的输出通道数，对应你设置的filters=128
    每个3×3×64的子张量对应一个输出通道的卷积核，用于对输入特征图做卷积运算，提取对应通道的特征。

• 第二个数组（形状(128,)）：
  这是偏置项张量，长度等于当前层的输出通道数。每个元素对应一个输出通道的偏置值，会在卷积运算完成后，加到对应通道的特征图结果上，为模型引入可训练的偏移量，提升拟合能力。

补充说明：如果创建Conv2D层时指定use_bias=False，那么get_weights()只会返回卷积核权重这一个数组，偏置项不会被初始化和存储。

内容的提问来源于stack exchange，提问作者Intrastellar Explorer