神经网络的输入图像的尺寸是否可变?
卷积神经网络里输入图像大小何时是固定,何时是任意?
简单来说,如果一个神经网络中只有卷积层,那么这个网络的输入就不是那么的重要,但是如果神经网络中有全连接层,由于经过同样的模型卷积之后,最后一层卷积层的输出层是一个n维向量,而不是扁平化的,所以如果做分类的话,就加一个全局平均池化这样就构成了一个没有全连接层的网络,可以使得网络的输入无所谓输入图片的维度,都可以正常的运行,最后出来输出的是一个热度图。(全局平均池化可不可以减少什么网路的参数?)
第二种方法是使用SPP,空间金字塔池化,引入SPP之后,在卷积层与全连接层之间加一层,用来调整卷积层的维度,这样也可以。
什么是全局平均池化?代码怎么实现?
什么是自适应平均池化(这边文章帮助我深刻理解了什么是自适应)
全局平均池化之后的模型是长这个样子的
(avgpool): AdaptiveAvgPool3d(output_size&