可分离卷积层调用layer.get_weights()返回3个值的含义是什么
SeparableConv2D 层
get_weights() 返回长度为3的列表的含义 核心原因
标准Conv2D是单次完成空间维度卷积、跨通道特征融合的运算,因此权重仅包含独立卷积核、可选偏置两部分,返回列表长度为2。
而SeparableConv2D将完整卷积运算拆分为两个串联的独立阶段:逐通道的空间维度深度卷积、1x1卷积核完成的跨通道逐点卷积,两个阶段各有独立的可训练权重,再加上可选偏置,因此返回列表总长度为3,属于框架的正常实现,并非异常。
三个返回值的对应位置
在你定义层时设置了use_bias=True的前提下,三个元素的含义分别为:
weights[0]:深度卷积阶段的卷积核权重,形状为(kernel_height, kernel_width, input_channel_count, depth_multiplier),默认depth_multiplier=1,仅在空间维度对每个输入通道独立做卷积,不做跨通道特征交互weights[1]:逐点卷积阶段的卷积核权重,形状为(1, 1, input_channel_count * depth_multiplier, output_channel_count),通过1x1卷积完成所有通道的特征融合,最终输出设定的目标通道数weights[2]:层的全局偏置项,形状为(output_channel_count,)
注:如果将层定义中的
use_bias参数设为False,get_weights()返回的列表长度会变为2,仅保留上述前两个独立卷积阶段的权重,不存在偏置项。
快速验证方法
可以通过打印各权重数组的形状快速确认对应关系:
weights = your_separable_conv_layer.get_weights() for idx, w in enumerate(weights): print(f"第{idx}个权重数组的形状:{w.shape}")
举个实际场景的参考:当输入通道数为64、输出通道数为128、卷积核大小为3x3的SeparableConv2D层,三个返回值的形状会分别为(3,3,64,1)、(1,1,64,128)、(128,)。
内容的提问来源于stack exchange,提问作者Saurav Rai
相关产品推荐
相关产品推荐

