并行卷积层的keras实现

Question

通常学习keras和cnn，因此尝试实现我在论文中发现的网络，其中有3个conv的并行卷积层，其中每个conv在输入上应用不同的过滤器，在这里我尝试解决它：

inp = Input(shape=(32,32,192))

conv2d_1 = Conv2D(
        filters = 32,
        kernel_size = (1, 1),
        strides =(1, 1),
        activation = 'relu')(inp)
conv2d_2 = Conv2D(
        filters = 64,
        kernel_size = (3, 3),
        strides =(1, 1),
        activation = 'relu')(inp)
conv2d_3 = Conv2D(
        filters = 128,
        kernel_size = (5, 5),
        strides =(1, 1),
        activation = 'relu')(inp)
out = Concatenate([conv2d_1, conv2d_2, conv2d_3])
model.add(Model(inp, out))

-这给我以下错误：A Concatenate layer requires inputs with matching shapes except for the concat axis....etc。

• 我尝试通过在每个Conv2D函数中添加arg input_shape = inp来解决它，现在它给了我Cannot iterate over a tensor with unknown first dimension.

ps：论文作者使用caffe实现了该网络，该层的输入为（32,32,192），合并后的输出为（32,32,224）。

Answer 1

除非添加填充以匹配数组形状，否则Concatenate将无法匹配它们。尝试运行此