卷积层输出图片大小 计算公式
输入图像大小——Input:n×n
填充大小——Paddings:p
步长——Stride:s
卷积核大小——Filter:k×k
输出图片大小计算公式:
⌊
n
+
2
p
−
k
s
+
1
⌋
×
⌊
n
+
2
p
−
k
s
+
1
⌋
\lfloor\frac{n+2p-k}{s}+1 \rfloor × \lfloor\frac{n+2p-k}{s}+1 \rfloor
⌊sn+2p−k+1⌋×⌊sn+2p−k+1⌋
默认的p=0,s=1
池化层输出图片大小 计算公式
输入图像大小——Input:n×n
填充大小——Paddings:p
步长——Stride:s
池化窗大小——Filter:k×k
输出图片大小计算公式:
⌊
n
+
2
p
−
k
s
+
1
⌋
×
⌊
n
+
2
p
−
k
s
+
1
⌋
\lfloor\frac{n+2p-k}{s}+1 \rfloor × \lfloor\frac{n+2p-k}{s}+1 \rfloor
⌊sn+2p−k+1⌋×⌊sn+2p−k+1⌋
其实,发现池化层输出图片计算公式与卷积层输出图片计算公式一样。
默认p=0,默认s=k,即没有明确指明池化层stride大小时,stride默认是池化窗口的大小,即s=k,这点是和卷积层不同的!!!
示例
以MNIST的CNN模型为例,代码如下:
class CNNMnist(nn.Module):
def __init__(self, args):
super(CNNMnist, self).__init__()
self.conv1 = nn.Conv2d(args.num_channels, 10, kernel_size=5) # 输入通道数(RGB是3,灰度图是1)、输出通道数、卷积核大小5*5
self.conv2 = nn.Conv2d(10, 20, kernel_size=5)
self.conv2_drop = nn.Dropout2d()
self.fc1 = nn.Linear(320, 50)
self.fc2 = nn.Linear(50, args.num_classes)
def forward(self, x):
x = F.relu(F.max_pool2d(self.conv1(x), 2))
x = F.relu(F.max_pool2d(self.conv2_drop(self.conv2(x)), 2))
x = x.view(-1, x.shape[1]*x.shape[2]*x.shape[3])
x = F.relu(self.fc1(x))
x = F.dropout(x, training=self.training)
x = self.fc2(x)
return F.log_softmax(x, dim=1)
MNIST图像是28×28大小的灰度图,即Input:28×28,args.num_channels=1
默认p=0,s=1
- 第一个cov1,(28+2×0-5)/1 +1=24
因输出通道设为了10,所以第一个卷积层输出图像大小为:10×24×24 - 第一个max_pool2d,(24+2×0-2)/2 +1=12
因池化参数设为了2,即k=2,默认s=k=2,所以第一个池化层输出图像大小为:10×12×12 - 第二个cov2,(12+2×0-5)/1 +1=8
因输出通道设为了20,所以第一个卷积层输出图像大小为:20×8×8 - 第二个max_pool2d,(8+2×0-2)/2 +1=4
因池化参数设为了2,即k=2,默认s=k=2,所以第一个池化层输出图像大小为:20×4×4=320
所以卷积层的输出大小=下一层设置的全连接层的输入大小,即全连接层的输入图像大小设置为了320
代码总结
卷积层代码
torch.nn.functional.conv2d(input, weight, bias=None, stride=1, padding=0, dilation=1, groups=1)
input:输入图像大小, shape为:(minibatch,in_channels,𝑖𝐻,𝑖𝑊)
weight:这是卷积核的参数。它是一个四维张量,形状为 (out_channels, in_channels, kernel_height, kernel_width)。其中 out_channels 是输出通道数,kernel_height 和 kernel_width 是卷积核的高度和宽度。
bias:是可选的偏置项。如果设置了,它是一个一维张量,形状为 (out_channels,)。每个输出通道都会加上对应的偏置。
stride:步长,默认为1
padding:填充,默认为0
dilation:这是卷积核内部元素之间的间距。默认为1,表示卷积核中每个元素之间相邻。可以设置为大于1的整数,以增加卷积核的感受野,而不增加参数数量。
groups:这是输入和输出之间连接的通道数。默认为1,表示传统的卷积,其中每个输入通道都连接到每个输出通道。可以设置为大于1的整数,以实现分组卷积操作,其中输入通道和输出通道被分成若干组,每组之间进行卷积操作,然后将结果连接起来。
池化层代码
torch.nn.functional.max_pool2d(input, kernel_size, stride=None, padding=0, dilation=1, ceil_mode=False, return_indices=False)
Parameters
input:输入图像大小
kernel_size:池化层窗口
stride:步长,默认为 kernel_size
padding:填充
dilation:(可选)扩张率,默认为1。用于控制窗口中元素之间的间距,类似于卷积中的空洞卷积
ceil_mode:(可选)是否使用“天花板模式”。如果设置为 True,将使用天花板函数(即向上取整)来计算输出大小。默认为 False
return_indices:(可选)是否返回池化操作对应的索引张量。默认为 False。当需要使用最大池化的反向传播时,可能需要保留最大值的位置信息,因此可以设置此参数为 True,以获取池化操作对应的索引。