卷积神经网络中间层输出 Spatial Size 公式

今天我来说说一个很有用的公式，参考 Stanford CS231n 课程笔记。[Link]

公式参数（）：

• ：输入的每个二维 feature map 大小是 ，也就是整个 input 体积是 ， 这里 代表 input feature map 的数量。
• ：Kernel 或 Filter 大小为
• ：Padding 四周各往外延伸
• ：Kernel 或 Filter 移动的步长(stride)为

那么每个输出的二维 feature map 大小是：

这个值必须为整数，若为小数则说明这个 Kernel 或 Filter 不适合这个 spatial size 的 input。

举个常见的例子，ConvNet 中用来保持 output spatial size 不变的 Kernel 或 Filter 组合：

为什么说它能让输出大小和原来保持不变呢？让我们一起代入公式计算一下：

所以输出的 spatial size 仍然保持 不变。

各位如果喜欢请帮我点个赞喔，这样会激励我贡献更多原创内容。如果你有任何疑问，请在底下留言或直接给我发邮件。

欢迎关注我的个人技术博客JellyCSC

转载于:https://juejin.im/post/5add15a86fb9a07aa113ca62