output_size=( input_size + pad * 2 - conv_size ) / stride + 1
输入：N0*C0*H0*W0
输出：N1*C1*H1*W1
输出的feature map大小：
H1=H0+2×pad−kernel_sizestride+1
W1=W0+2×pad−kernel_sizestride+1
注：当stride为1时，若pad=kernel_size−12，那么经过计算后的feature map大小不变
CNN卷积层的输出feature map的尺寸计算
猜你喜欢
转载自blog.csdn.net/dyx810601/article/details/79566090
今日推荐
周排行