计算 CNN 模型中 Conv 层的输出大小答案

【问题标题】：Calculating size of output of a Conv layer in CNN model计算 CNN 模型中 Conv 层的输出大小
【发布时间】：2017-04-20 01:15:41
【问题描述】：

在卷积神经网络中，如何知道特定卷积层的输出？（我正在使用keras构建CNN模型）

例如，如果我使用一维卷积层，其中 number_of_filters=20、kernel_size=10 和 input_shape(500,1)

 cnn.add(Conv1D(20,kernel_size=10,strides=1, padding="same",activation="sigmoid",input_shape=(Dimension_of_input,1)))

如果我使用的是二维卷积层，其中 number_of_filters=64, kernal_size=(5,100), input_shape= (5,720,1) (height,width,channel)

 Conv2D(64, (5, 100),
       padding="same",
       activation="sigmoid",
       data_format="channels_last",
       input_shape=(5,720,1)

上面两个conv层的输出个数是多少？有没有什么方程可以知道卷积神经网络中一个conv层的输出个数？

【问题讨论】：

【解决方案1】：

是的，它有公式，您可以在CS231N course website 中找到它们。但由于这是一个编程站点，Keras 提供了一种简单的方法来以编程方式获取此信息，方法是使用模型的 summary 函数。

model = Sequential()
fill model with layers
model.summary()

这将在终端/控制台中打印所有图层信息，例如输入形状、输出形状和每个图层的参数数量。

【讨论】：

【解决方案2】：

实际上，如果您想做的不仅仅是查看模型，model.summary() 函数可能不是您想要的。

如果您想访问 Keras 模型的层，您可以使用 model.layers 来实现，它返回所有层（分配将它们存储为列表）。如果您想查看特定层，您可以简单地索引列表：

list_of_layers = model.layers
list_of_layers[5] # gives you the 6th layer

您仍在使用的只是对象，因此您可能希望获得特定的值。您只需要指定要查看的属性即可：

list_of_layers[-1].output_shape # returns output_shape of last layer

返回模型中最后一层的 output_shape 元组。如果您已经知道只想查看某个层的 output_shape 并执行以下操作，您甚至可以跳过整个列表分配的事情：

model.layers[-1].output_shape # equivalent to the above method without storing in a list

如果您想在构建模型时使用这些值以某种方式指导执行（添加池化层或进行填充等），这可能很有用。

【讨论】：

【解决方案3】：

当我第一次使用 TensorFlow cnn 时，处理维度非常困难。下面是计算维度的一般场景：

考虑

我们有一个尺寸为 (nXn) 的图像，过滤器尺寸：(fXf)，无填充，无步幅适用：卷积后维度为：(n-f+1,n-f+1)
图像尺寸 = (nXn) 和过滤器尺寸 = (fXf) 并且我们有填充：p 那么输出亮度为 = (n+2P-f+1,n+2P-f+1) 如果我们使用 Padding = 'SAME" 这意味着输出暗淡 = 输入暗淡在这种情况下等式看起来像：n+2P-f+1=n 所以从这里开始 p = (f-1)/2

如果我们使用有效的填充，则意味着没有填充并且 p =0

在计算机视觉中，如果 f 是偶数，f 通常是奇数，这意味着我们有不对称的填充。

当我们使用 stride = s 时的情况输出亮度为 ( floor( ((n+2P-f)/s)+1 ), floor( ( (n+2P-f)/s)+1 ) )

【讨论】：