model = Sequential()
model.add(Convolution2d(32, 16, 16, input_shape=(3, 256, 256))
# Do not forget to add an activation layer after your convolution layer, so here.
model.add(Flatten())
model.add(Dense(3))
model.add(Activation("sigmoid")) # whatever activation you want.
2 回答
将32个通道合并为3的最简单方法是添加另一个卷积,这次使用三个滤波器(我任意设置滤波器大小为1x1):
然后最后添加激活功能进行分割
或者,如果你想使用 activation 参数(任意选择为tanh),你可以一次性添加所有内容
https://keras.io/layers/convolutional/
您必须在卷积层和密集层之间使用展平: