这个问题在互联网上以各种形式被问到，而且有一个简单的答案，常常被忽略或混淆： 简单回答： Keras Conv2D层在多通道输入(例如彩色图像)的情况下，将在所有颜色通道上应用滤波器，并将结果求和，生成等效于单色卷积输出图像。在 (1)您正在使用CIFAR图像数据集进行培训，该数据集由32x32颜色图像组成，即每个图像都是形状(32,32,3)(RGB=3个通道 继续阅读

1、使用predict时，必须设置batch_size,否则效率奇低。 查看keras文档中，predict函数原型： 说明： 只使用batch_size=32，也就是说每次将batch_size=32的数据通过PCI总线传到GPU，然后进行预测。在一些问题中，batch_size=32明显是非常小的。而通过PCI传数据是非常耗时的。 所以，使用的时候会发现预测数据时效率奇低，其原因就是batch_size太小了。 经验： 使 继续阅读

深度学习：基于Keras的Python实践，由电子工业出版社在2018-06-01月出版发行，本书编译以及作者信息为： 魏贞原 著，这是第1次发行， 国际标准书号为：9787121341472，品牌为博文视点, 这本书采用平装开本为16开，纸张采为胶版纸，全书共有244页，字数万8字，值得推荐。此书内容摘要《深度学习：基于Keras的Python实践》本书系统讲解了深度学习的基本知识，以及使用深度学习解决实际问题，详细介绍了如何构建及优化模型，并针对不同的问题给出不同的解决方案，通过不同的例子展 继续阅读