Какая структура у этой нейронной сети?

Question

[Andrey_Epifantsev]

Читаю статью по машинному обучению, пишу код как в статье.

В статье описывается приложение распознающее кошек и собак на изображениях. Я понял, что изображения приводятся к размеру 128Х128, потом на огромном датасете обучается нейронная сеть и после этого она может распознавать кошек и собак на изображениях.

Есть такой код описывающий модель нейронной сети:

model = Sequential()
    model.add(Conv2D(32, (3, 3), input_shape=(128, 128, 3), activation='relu'))
    model.add(MaxPooling2D(pool_size=(2, 2)))
    model.add(Conv2D(32, (3, 3), activation='relu'))
    model.add(MaxPooling2D(pool_size=(2, 2)))
    model.add(Flatten())
    model.add(Dense(units=128, activation='relu'))
    model.add(Dense(units=1, activation='sigmoid'))
    model.compile(optimizer=Adam(),
                  loss='binary_crossentropy',
                  metrics=['accuracy'])

Не могу понять: сколько слоёв в этой нейронной сети? 2 или 6? Или другое число? Каждый из вызвов add добавляет новый слой или некоторые из них изменяют предыдущие?

К сожалению статья очень верхушечная и в ней такой информации нет. А в документация к этим функциям написана очень невнятно с использованием большого количества непонятных терминов без ссылок на их определение.

Может быть есть какая-нибудь статья в которой бы объяснялась работа нейросетей, без использования малопонятных терминов вроде 2D convolution layer, Max pooling operation, Flattens the input? Ну или чтобы эти термины объяснялись.

Answer 1

[Andrey Dugin]

Conv2D - свёрточный слой, пробегает стопкой свёрток по всему изображению, в каждой его точке рассчитывая новое значение. MaxPooling2D разбивает всё изображение на сетку с клеткой 2х2 пикселя и из каждой клетки выбирает максимальное значение (самый светлый пиксель), их совокупность становится новым изображением размером в 2 раза меньше. Flatten просто "сплющивает" многомерный тензор в одномерный вектор. Dense - классический (как на всех картинках рисуют) полносвязный слой из нейронов, где каждый из нейронов соединён со всеми нейронами предыдущего слоя.