先定义几个参数
- 输入图片大小 W×W
- Filter大小 F×F
- 步长 S
- padding的像素数 P
于是我们可以得出
N = (W − F + 2P )/S+1
卷积核:一个卷积核只有三维,卷积核的厚度对应的被卷积特征的通道数,卷积核的个数对应卷积后的输出特征的通道数。
本站文章如无特殊说明,均为本站原创,如若转载,请注明出处:卷积网络输出尺寸计算及卷积核相关 - Python技术站
先定义几个参数
于是我们可以得出
N = (W − F + 2P )/S+1
卷积核:一个卷积核只有三维,卷积核的厚度对应的被卷积特征的通道数,卷积核的个数对应卷积后的输出特征的通道数。
本站文章如无特殊说明,均为本站原创,如若转载,请注明出处:卷积网络输出尺寸计算及卷积核相关 - Python技术站