1.卷积运算处理后,图像大小如何变换?
p---填充
k---卷积核的大小
s---步幅
参考文章:
图解卷积前后图像尺寸的关系_卷积会改变图像大小吗_xuerishun的博客-CSDN博客
飞桨PaddlePaddle-源于产业实践的开源深度学习平台
2.最大池化层
举个例子:
nn.MaxPool2d(kernel_size=3, stride=2, padding=1)
用于创建一个二维最大池化层 。nn.MaxPool2d()是PyTorch的一个类,用于对多个输入平面进行二维最大池化。它的参数有:
- kernel_size:池化窗口的大小
- stride:池化步长
- padding:输入边缘的填充大小
kernel_size=3,表示池化窗口是3x3的;stride=2,表示池化步长是2;padding=1,表示输入边缘填充1个像素。
最大池化层会对输入图片进行下采样,保留每个池化窗口中的最大值,从而减少特征的数量和维度。可以用和卷积层相同的公式来计算最大池化层后的图片大小。见上。