机器学习26:卷积神经网络特征图尺寸计算

机器学习26:卷积神经网络特征图尺寸计算

1.经过卷积层的特征图尺寸计算:

        已知输入特征图尺寸:H*W,卷积核尺寸:f*f, 步长:stride,填充的像素数:pad,则这个卷积层输出的特征图尺寸为:

                                                                 Hn=\frac{H-f+pad*2}{stride}+1

                                                                 Wn=\frac{W-f+pad*2}{stride}+1

        输出特征图的通道数等于卷积层的卷积核个数。

2.经过池化层的特征图尺寸计算:

        已知输入特征图尺寸:H*W,卷积核尺寸:f*f, 步长:stride,则这个卷积层输出的特征图尺寸为:

                                                                 Hn=\frac{H-f}{stride}+1

                                                                 Wn=\frac{W-f}{stride}+1

       输出特征图的通道数等于输入特征图的通道数。

3.经过全连接层的输出向量尺寸计算:

      全连接层的输出向量长度等于该层神经元的个数。

发布了84 篇原创文章 · 获赞 13 · 访问量 1万+

猜你喜欢

转载自blog.csdn.net/weixin_39504171/article/details/104379629