Запись аудио с другим заголовком, чем caf

Все стандартные слои работают так. Выходной сигнал dim аналогичен фильтру.

Было бы очень сложно что-либо контролировать, если бы это было не так.

Вы когда-нибудь видели основы нейронных сетей, которые учили, как работает полностью связанный уровень?

Каждый нейрон в слое получает все входы, умножает их на веса и суммирует их:

neuron1Out = in1*W11 + in2*W12 + in3*W13 + bias1   
neuron2Out = in1*W21 + in2*W22 + in3*W23 + bias2

Это то, что выдает Dense(2), когда он получает input_dim=3.

Весовая матрица имеет форму (3,2), одно измерение для входов, другое для выходов, а математическая операция - матричное умножение с входами.

Свертки делают почти то же самое. Разница заключается в том, что он повторяет операцию над многократным приведением результатов для каждого пикселя.

Форма ядра - (kernelXpixels, kernelYpixels, input_channels, output_channels), которая является (3,3,200,128) в вашем примере.

После умножения каждого из 200 входных каналов на каждый из 200 фрагментов весов результаты суммируются в один вывод. Это делается 128 раз, обеспечивая 128 выходных нейронов / каналов.