【深度学习】卷积计算后输出维度计算方法

卷积运算

深度学习中，利用卷积核对图片提取特征已经十分常用且普遍，本文介绍经过卷积运算后的输出维度计算方法。

卷积输出维度计算

已知：
假设输入的图片尺寸：A x A
卷积核大小：K
步长Stride：S
Padding大小：P

求解：
输出的embedding维度B：B = (A + 2*P - K) / S + 1

逐步理解：

1. A + 2*P (size + 2 * padding) ===> 将原图片拓展
2. A + 2*P - K ===> 根据卷积核大小把最后一个抛掉
3. (A + 2*P - K) / S ===> 按照步长做除法
4. (A + 2*P - K) / S + 1 ===> 将第二步减掉的加回来

举例说明

5X5大小的输入图片，卷积核大小为3X3，stride = 2, padding = 1。

则经过卷积运算，输出size = (5+1*2-3)/2+1 = 3.

会输出3X3的矩阵计算值。