换句话说,AveragePooling2D层将降低输出维度,而不是让Conv2D层降低输出维度。问题是,激活层的新输出将具有与以前不同的形状。解释说,“多”输出形状是因为现在有两个输出节点连接到激活层,一个节点具有来自步长卷积的旧形状,另一个节点具有来自非步长卷积的新形状。下面是用来说明问题的代码:inp = t
我有一个图层输出,我想要乘以一个标量。我可以用lambda层来做这件事效果很好。但是,如果我想对每个示例使用不同的标量,我尝试将它们作为第二个输入,并提供形状(示例,1)。注意,32是批处理大小,128是层输入(和输出)的维-层输入乘以标量is (batch_size x 32(前一层的过滤器)x 128(空间dim) x 128(空间dim))。我假设我不是通过输入层给出正确的形状,但无法计算出原因。