卷积层、池化层输出图片大小计算

---

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：
$\lfloor \frac{n+2p-k}{s}+1\rfloor \times \lfloor \frac{n+2p-k}{s}+1\rfloor$
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：
$\lfloor \frac{n+2p-k}{s}+1\rfloor \times \lfloor \frac{n+2p-k}{s}+1\rfloor$
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。