在 tensorflow 教程的Densely Connected Layer 部分中，它说图像大小在处理后为 7 x 7。我试了一下代码，这些参数似乎有效。
但我不知道如何获得这个 7 x 7 尺寸。我明白了：
max_pool_2x2 函数会将图像尺寸都缩小 4 倍，因此在第一次池化操作后，图像尺寸为 7 x 7
这是我不明白的地方
在第二个 conv 层，还有另一个 max_pool_2x2 函数调用，所以我认为图像大小应该再次减小 4 倍。但实际上并没有。
我在哪一步做错了？
【问题讨论】：
标签： tensorflow
您还需要知道最大池和卷积的步幅。
def conv2d(x, W):
return tf.nn.conv2d(x, W, strides=[1, 1, 1, 1], padding='SAME')
def max_pool_2x2(x):
return tf.nn.max_pool(x, ksize=[1, 2, 2, 1],
strides=[1, 2, 2, 1], padding='SAME')
在这里，我们可以看到卷积的步长为 1，最大池的步长为 2。如何查看最大池，它需要一个 2x2 的框，并将其滑动到图像上，每次取超过 4 个像素的最大值。如果您的步幅为 2，则每次移动需要 2 步！图像大小应减少 2 倍，而不是 4 倍。
换句话说，最大池为 2x2 且步幅为 2 的 28x28 图片将变为 14x14。另一个最大池 2x2 和步幅 2 会将其减少到 7x7。
为了进一步说明我的观点，我们以 max pool 2x2 和 stride 1 的情况为例。如果我们不填充图像，它将在 max pool 之后变成 27x27 图像。
【讨论】：
看看Teach Yourself Deep Learning with TensorFlow和Udacity 与文森特·范胡克
这在课程中有所涉及。我目前正在处理它。
该课程是免费的，但您必须注册。这是一系列视频、测验和编码项目，都是自定进度和自评分的。我学到了很多东西，而且很享受。
这是其中一项测验。
【讨论】：