通过卷积层与池化层后,特征图的大小怎么计算
这里引入cs231n中的课件说明一下:
卷积层:
参数:W:宽 H:高 D:深度 K:卷积核的个数 F:卷积核的大小 S:步长 P:用0填充
W/H=[(输入大小-卷积核大小+2*P)/步长] +1.
举个例子
上图中的 output =[(7-3)+2*1]/1 +1 =7
图中也提到了padding 的选择,
- 如卷积核为3时 padding 选择1
- 如卷积核为5时 padding 选择2
- 如卷积核为7时 padding 选择3
池化层
池化层的计算与卷积层一样
至此。
本文介绍了卷积神经网络中卷积层与池化层的特征图大小计算方法,包括卷积核大小、步长、填充等参数对输出尺寸的影响,并提供了具体的计算公式与实例。

1万+

被折叠的 条评论
为什么被折叠?



