一、特征图大小计算方式
卷积中的特征图大小计算方式有两种,分别是‘VALID’和‘SAME’。
根据tensorflow中的conv2d函数,我们先定义几个基本符号
1、输入矩阵 W×W,这里只考虑输入宽高相等的情况,如果不相等,推导方法一样,不多解释。
2、filter矩阵 F×F,卷积核
3、stride值 S,步长
4、输出宽高为 new_height、new_width
1)如果padding = ‘VALID’
new_height = new_width = (W – F + 1) / S (结果向上取整)
也就是说,conv2d的VALID方式不会在原有输入的基础上添加新的像素(假定我们的输入是图片数据,因为只有图片才有像素),输出矩阵的大小直接按照公式计算即可。
或者是公式:
N = (W − F + 2P )/S+1 #P=0 padding的像素数P
2)如果padding = ‘SAME’
new_height = new_width = W / S (结果向上取整)
即输入尺寸除以步长s。比如输入图片大小为28×28,s=4,则输出图片大小为7×7。
有计算公式为,用于找工作做题:输入图片大小 W×W,输出图片大小为 N×N