1、如何确定CNN的卷积核通道数和卷积输出层的通道数?
- CNN的卷积核通道数 = 卷积输入层的通道数
- CNN的卷积输出层通道数 = 卷积核的个数
2、计算卷积后的图像尺寸
- input 输入尺寸,默认图像为正方形
- padding 填充尺寸
- kernel_size 卷积核大小
- stride 移动步长
- output 输出尺寸
3、1*1 卷积核的用处
- 实现跨通道的交互和信息整合。比如输入是多通道的,由卷积神经网络计算方式可知,对于单一卷积核函数:当前位置的输出值,是由多个通道上的卷积结果相加然后再取激活函数值得到的。所以卷积核函数的尺寸是1*1的话,他可以整合多个通道的信息,而不会改变输入的大小。
- 卷积网络通道数目的升降,由于输出的通道数目是由卷积核函数的数目决定的,所以使用1*1的卷积核,在不改变输入大小的情况下,可以任意增减输出的通道数目。
4、卷积核为什么总是选用3*3
- 3个3 * 3卷积核叠加使用等于7 * 7的卷积核,在连通性不变的情况下,大大降低了参数个数和计算复杂度