机器学习26:卷积神经网络特征图尺寸计算

机器学习26:卷积神经网络特征图尺寸计算

1.经过卷积层的特征图尺寸计算:

        已知输入特征图尺寸:H*W,卷积核尺寸:f*f, 步长:stride,填充的像素数:pad,则这个卷积层输出的特征图尺寸为:

                                                                 Hn=\frac{H-f+pad*2}{stride}+1

                                                                 Wn=\frac{W-f+pad*2}{stride}+1

        输出特征图的通道数等于卷积层的卷积核个数。

2.经过池化层的特征图尺寸计算:

        已知输入特征图尺寸:H*W,卷积核尺寸:f*f, 步长:stride,则这个卷积层输出的特征图尺寸为:

                                                                 Hn=\frac{H-f}{stride}+1

                                                                 Wn=\frac{W-f}{stride}+1

       输出特征图的通道数等于输入特征图的通道数。

3.经过全连接层的输出向量尺寸计算:

      全连接层的输出向量长度等于该层神经元的个数。

4.当卷积层和池化层计算尺寸不为整数时处理办法:

      计算卷积层和池化层的输出特征图尺寸时可能出现结果不是整数的情况,卷积层向下取整,池化层向上取整。

 

  • 1
    点赞
  • 7
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值