搭建网络时设置kernel_size，stride，padding的设置

最新推荐文章于 2024-07-27 14:23:46 发布
最新推荐文章于 2024-07-27 14:23:46 发布
阅读量5.5k 收藏 14
点赞数 4
文章标签： 网络 深度学习 cnn
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_42433234/article/details/123017634
版权
本文探讨了深度学习中卷积和池化操作对图像尺寸的影响，通过公式输出尺寸=（输入尺寸-inputsize-kernel_size+2×padding）/stride+1，举例说明了如何计算256*256大小的输入经过4*4大小的卷积核、步长为2、填充为1后的输出尺寸为128*128。深入理解这些参数对于优化神经网络架构至关重要。
摘要由CSDN通过智能技术生成

首先进行卷积和池化的时候，图像的尺寸是随着这三个参数设置变化的。

记录一下这个公式啦

输出尺寸 = （输入尺寸inputsize - kernel_size + 2 × padding）/ stride + 1

例如：输入尺寸大小 256*256，kernel_size4*4，strides=2，padding=1。根据公式计算得到128*128

言初-xys
关注
  • 4
    点赞
  • 踩
  • 14
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
卷积神经网络~设置padding和stride
fatfairyyy的博客
05-22 2806
更多边缘检测内容 下图所示的是垂直边缘检测的例子： 如果，这张图片被翻转了，即，使暗面在左，亮面在右，这对输出会造成什么影响？ 运算结果发生了变化，过滤器得到的计算值变成了-30。输出的结果表明，-30 --> 0 是由暗到亮的过渡而非由亮到暗的过度。如果实验的结果不在乎二者的区别，那么可以直接对输出的卷积矩阵中的值取绝对值。但这种过滤器确实可以区别两种明暗的变化。 水平垂直检测 注：对于垂直边缘检测，矩阵的第一列为1，而最后一列为-1，因此它进行卷积计算的结果会使左边较亮而右边相对较暗。 相
【Tensorflow】ValueError: The `kernel_size` argument must be a tuple of 1 integers. Received: [3, 3]
bbp94_github的博客
08-08 1万+
使用 tensorflow.contrib.slim 搭建卷积神经网络进行图片识别，图片inputs维度为[299,299,3]，使用语句如下： net = slim.conv2d(inputs, 32, [3, 3], stride=2, scope='Conv2d_la_3x3') net = slim.conv2d(net, 32, [3, 3], scope='Conv2d_2a_3x...
卷积:kernel size/padding/stride
热门推荐
Coding
08-30 2万+
卷积的原理 卷积尺寸变化 输出尺寸=(输入尺寸-filter尺寸+2*padding)/stride+1 宽和高都是这么计算的； 输入图片大小为200×200，依次经过一层卷积（kernel size 5×5，padding 1，stride 2），pooling（kernel size 3×3，padding 0，stride 1），又一层卷积（kernel size 3×3，padding 1...
打印PyTorch模型：Conv2d(3,64,kernel_size=(3,3), stride=(1,1), padding=(1,1))ReLU(inplace=True)MaxPool2d
最新发布
Frost_Descent的博客
07-27 396
打印PyTorch model时，会显示模型的详细信息，包括模型的层次结构、每个层次的名字、参数数量等。例如一个命名为model_vgg的卷积神经网络模型会打印如下信息。
详解卷积中常见参数及用法（stride、kernel_size、padding、dilation)
absence521的博客
01-08 3047
最近看自己方向的论文，发现有的时候还是分不清一些参数的用法和含义，比如今天就在stride和dilation之间思考了很久，知识确实是学杂了，为了加深印象决定记录下来。
Padding，Kernel-size，stride关系公式
jzrita的博客
03-25 9244
记录下公式，总忘记：像素宽度W，Padding size：P，Kernel size：K，Stride ： S，公式为Wn+1=(Wn+P∗2−K)/S+1
kernel、padding、size的关系
sinat_37666840的博客
06-14 274
输出尺寸：heightout=(heightin-heightkernel+2*padding)/stride+1。输入尺寸：widthout=(widthin-weightkernel+2*padding)/stride+1。
浅 CNN 中激活函数选择、 kernel大小以及channel数量
Whisper321的博客
04-23 5946
Activation function 当用经典的 LeNet 进行 MNIST 识别训练时，我发现将 sigmoid 函数改为 ReLu，同时降低学习率（防止 dying neurons）并没能加快 SGD 收敛，反而使得 accuracy 的提升变得非常缓慢。所以这样看来，当 CNN 没有深到极易发生 gradient vanishing 时，sigmoid 或者 tanh 依然是首选。 Ke...
实验2：FusionNet的实现
liupc的学习笔记
03-18 901
一、网络结构 二、一步一步实现FusionNet （1） 输入图像为640*640,3通道。 经过一个卷积层，代码为： self.conv11 = nn.Sequential( nn.Conv2d(3, 64, kernel_size=3, stride=1, padding=1), #输入通道为3，输出通道为64。padding=1，输出尺寸不变。还是640*640. nn.BatchNorm2d(64), .
class Net(nn.Module): def __init__(self): super(Net, self).__init__() self.residual_layer = self.make_layer(Conv_ReLU_Block, 18)#调用Conv_ReLU_Block，重复18个Conv_ReLU_Block模块 self.input = nn.Conv2d(in_channels=1, out_channels=64, kernel_size=3, stride=1, padding=1, bias=False)#通道层放大 self.output = nn.Conv2d(in_channels=64, out_channels=1, kernel_size=3, stride=1, padding=1, bias=False)#通道层缩小 self.relu = nn.ReLU(inplace=True)#19-22初始化网络层 for m in self.modules(): if isinstance(m, nn.Conv2d): n = m.kernel_size[0] * m.kernel_size[1] * m.out_channels m.weight.data.normal_(0, sqrt(2. / n))
06-14
这段代码是用 PyTorch 搭建的一个卷积神经网络模型，其名称为 Net。该模型包含了一个残差层（residual_layer），其中使用了 Conv_ReLU_Block 模块，该模块被重复调用了 18 次。此外，该模型还包含了一个输入层...
翻译class Block2(nn.Module): def __init__(self): super(Block2, self).__init__() self.block = nn.Sequential( nn.Conv2d(in_channels=16, out_channels=16, kernel_size=3, stride=1, padding=1), nn.BatchNorm2d(num_features=16), nn.ReLU(), nn.Conv2d(in_channels=16, out_channels=16, kernel_size=3, stride=1, padding=1), nn.BatchNorm2d(num_features=16), ) def forward(self, inputs): ans = torch.add(inputs, self.block(inputs)) # print('ans shape: ', ans.shape) return inputs + ans
05-10
这里定义了一个名为Block2的类，继承自nn.Module。它有一个构造函数__init__()和一个前向传播函数forward()。 在构造函数中，首先调用了nn.Module的...该类的作用是实现一个残差块，用于搭建深度神经网络时进行堆叠。
【Python深度学习】深度学习框架搭建模版
生产队的刘同学
09-25 1678
四步轻松解析深度学习框架搭建模版过程，欢迎学习~
神经网络：CNN中的filter，kernel_size，strides，padding对输出形状的影响
weixin_44116706的博客
06-09 3050
输入数据在经过卷积层后，形状一般会发生改变，而形状的变化往往与以下三个超参数有关。
卷积神经网络参数：filters 和 kernel_size
YHKKun的博客
04-13 803
filters。
最大池化：选择kernel_size为3x3而不是2x2的原因
计算机视觉
10-25 3847
https://blog.csdn.net/tigerda/article/details/78800552 ●Theano中对Max-pooling的解释 Max-poolingisusefulinvisionfortworeasons: 1、Byeliminatingnon-maximalvalues,itreducescomputationforupp...
Tensorflow中卷积的padding操作，还有Kernel-size，stride
weixin_41036461的博客
05-29 3958
链接：https://www.jianshu.com/p/05c4f1621c7e之前一直对tensorflow的padding一知半解，直到查阅了tensorflow/core/kernels/ops_util.cc中的Get2dOutputSizeVerbose函数，才恍然大悟，下面是具体的介绍实际上tensorflow官方API里有介绍！！不科学上网貌似打不开根据tensorflow中的co...
理解深度学习代码之Conv2d(kernel_size) 记录
东城的博客
09-23 5236
torch.nn.Conv2d(in_channels, out_channels, kernel_size, stride=1, padding=0, dilation=1, groups=1, bias=True) kernel_size:卷积核尺寸，可以设为1个int型数或者一个(int, int)型的元组。例如(2,3)是高2宽3卷积核 kernel_size=(1, 3)[flag] if flag == False: kernel_size = 3 else: kernel_size = 1
卷积核的kernel size为什么要设置为奇数
Elvira521yan的博客
06-16 2302
kernel size设置奇数的原因
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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

打赏作者

言初-xys

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
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