CNN的卷积操作后维度变化:
- 输入维度:,分别代表输入样本的长宽高
- 卷积操作的超参数
- 卷积核个数:
- 卷积核大小:
- 滑动步长(Stride):
- 填充(Padding):
- 则输出的维度为,其中
- 由于CNN的参数共享机制,每个卷积核的参数个数为,共有个权重和个偏置
- 若想要卷积后得到的矩阵长宽与卷积前保持一致,则当时
- 卷积核为3时 padding 选择1
- 卷积核为5时 padding 选择2
- 卷积核为7时 padding 选择3
CNN的池化操作后维度变化:
- 输入维度:,分别代表输入样本的长宽高
- 池化操作的超参数
- 池化层大小:
- 滑动步长(Stride):
- 填充(Padding):
- 则输出的维度为,其中
参考资料:https://blog.csdn.net/qq_41670192/article/details/79231732