1.输入图片大小为200×200,依次经过一层卷积(kernel size 5×5,padding 1,stride 2),pooling(kernel size 3×3,padding 0,stride 1),又一层卷积(kernel size 3×3,padding 1,stride 1)之后,输出特征图大小为:97
解答:根据公式:
输出尺寸=(输入尺寸-filter尺寸+2*padding)/stride+1
其中卷积核池化,宽和高都是这么计算的。不同是卷积向下取整 ,池化向上取整。
第一层卷积:(200-5+2*1)/2+1 为99.5,向下取整为 99
接着池化:(99-3+2*0)/1+1 为97
第二层卷积:(97-3+2*1)/1+1 为97
当stride为1的时候,当kernel为 3 padding为1或者kernel为5 padding为2 ,卷积前后尺寸不变。
计算GoogLeNet全过程的尺寸也一样。
2.
深度学习是当前很热门的机器学习算法。在深度学习中,涉及到大量矩阵相乘,现在需要计算三个稠密矩阵A,B,C的乘积ABC,假设三个矩阵的尺寸分别为m*n,n*p,p*q,且m<n<p<q,以下计算顺序效率最高的是:(Aÿ