理解卷积神经网络中的输入与输出形状(Keras实现)

即使我们从理论上理解了卷积神经网络，在实际进行将数据拟合到网络时，很多人仍然对其网络的输入和输出形状(shape)感到困惑。本文章将帮助你理解卷积神经网络的输入和输出形状。 让我们看看一个例子。CNN的输入数据如下图所示。我们假设我们的数据是图像的集合。 输入的形状 你始终必须将4D数组作为CNN的输入。因此，输入数据的形状为(batch_size，height，width，depth)，其中第一

>>阅读原文<<