• 特征图大小的计算


    卷积中的特征图大小计算方式有两种,分别是‘VALID’和‘SAME’,卷积和池化都适用,卷积除不尽的结果都向下取整,池化除不尽的结果都向上取整

    1.如果计算方式采用'VALID',则:

    其中为输出特征图的大小,为输入特征图的大小,F为卷积核大小,stride为卷积步长。

    2.如果计算方式采用'SAME',输出特征图的大小与输入特征图的大小保持不变,

    其中padding为特征图填充的圈数。

    若采用'SAME'方式,kernel_size=1时,padding=0;kernel_size=3时,padding=1;kernel_size=5时,padding=3,以此类推。

    例题:

    输入图片大小为200×200,依次经过一层卷积(kernel size 5×5,padding 1,stride 2),pooling(kernel size 3×3,padding 0,stride 1),又一层卷积(kernel size 3×3,padding 1,stride 1)之后,输出特征图大小为:97

    解析:

    一层卷积 :

    注意:这里卷积是向下取整的

    池化:

     

    二层卷积:

     

    计算尺寸不被整除只在GoogLeNet中遇到过。卷积向下取整,池化向上取整
    例如:本题 (200-5+2*1)/2+1 为99.5,取99
            (99-3)/1+1 为97
            (97-3+2*1)/1+1 为97
    研究过网络的话看到stride为1的时候,当kernel为 3 padding为1或者kernel为5 padding为2 一看就是卷积前后尺寸不变。
    计算GoogLeNet全过程的尺寸也一样。

     

  • 相关阅读:
    【题解】【神奇校内POIN模拟赛】小凯的疑惑
    【题解】【CF670C】cinema
    11 Remove Duplicates from Sorted Array II
    10 3SumClosest
    7 Container With Most Water
    8 String to Integer (atoi)
    9 3Sum
    6 Palindrome Number
    5 Zigzag Conversion
    4 Longest Palindromic Substring
  • 原文地址:https://www.cnblogs.com/tianqizhi/p/9706344.html
Copyright © 2020-2023  润新知