resnet 第一个7 x 7的conv后带一个relu
卷积和池化的公式为
o
r
i
g
i
n
a
l
S
i
z
e
h
+
p
a
d
d
i
n
g
∗
2
−
k
e
r
n
e
l
S
i
z
e
h
s
t
r
i
d
e
+
1
\frac{originalSize_h+padding*2-kernelSize_h}{stride} + 1
strideoriginalSizeh+padding∗2−kernelSizeh+1
前半部分向下取整
ConvTransposed2d()其实是Conv2d()的逆过程,其参数是一样的
Conv2d():
output = (input+2 x Padding-kernelSize) / stride + 1(暂时不考虑outputPadding 注意:outputPadding只是在一边Padding)
input = (output-1) x stride - 2 x Padding + kernelSize
例如输入图片尺寸为128,inputPadding为0,kernelSize为4,stride为2,outputPadding为1,那么输出图片尺寸为64
同理可得ConvTransposed2d():output = (input-1) x stride - 2 x Padding + kernelSize
smaller receptive fields do better for small faces
神经网络填坑记录
最新推荐文章于 2024-06-12 19:00:00 发布