卷积神经网络中输出维度的计算
① 令输入维度的高度为: n h n_h nh、输出维度的宽度为: n w n_w nw
② 令卷积核的高度为: k h k_h kh、卷积核的宽度为: k w k_w kw
③ 令行填充为: p h p_h ph、列填充为: p w p_w pw
④ 令垂直步幅为:
s
h
s_h
sh、水平步幅为:
s
w
s_w
sw
即输入维度经过卷积核后得到的输出维度为:
⌊ ( n h − k h + p h + s h ) / s h ⌋ × ⌊ ( n w − k w + p w + s w ) / s w ⌋ \left\lfloor\left(n_{h}-k_{h}+p_{h}+s_{h}\right) / s_{h}\right\rfloor \times\left\lfloor\left(n_{w}-k_{w}+p_{w}+s_{w}\right) / s_{w}\right\rfloor ⌊(nh−kh+ph+sh)/sh⌋×⌊(nw−kw+pw+sw)/sw⌋
一般情况下,为了使输入和输出的维度保持一致,设置填充大小为: p h = k h − 1 p_h=k_h-1 ph=kh−1 和 p w = k w − 1 \ p_w=k_w-1 pw=kw−1,同时设置步幅为: 1