【发布时间】:2018-04-26 18:02:25
【问题描述】:
如果我的输入大小为 5x5,步幅为 1x1,滤波器大小为 3x3,那么我可以在纸上计算出卷积矩阵的最终大小为 3x3。
但是,当这个输入大小变为 28x28 或 50x50 时,我如何计算纸上卷积矩阵的大小?有什么公式或技巧可以做到吗?
【问题讨论】:
标签: machine-learning neural-network deep-learning conv-neural-network convolution
如果我的输入大小为 5x5,步幅为 1x1,滤波器大小为 3x3,那么我可以在纸上计算出卷积矩阵的最终大小为 3x3。
但是,当这个输入大小变为 28x28 或 50x50 时,我如何计算纸上卷积矩阵的大小?有什么公式或技巧可以做到吗?
【问题讨论】:
标签: machine-learning neural-network deep-learning conv-neural-network convolution
是的,有一个公式(详见cs231n class):
W2 = (W1 - F + 2*P) / S + 1
H2 = (H1 - F + 2*P) / S + 1
其中W1xH1 是原始图像大小,F 是过滤器大小,S 是步幅,P 是另外一个参数 - 填充大小。另请注意,结果通道大小等于过滤器的数量。
【讨论】: