卷积层Conv的输入:高为h、宽为w,卷积核的长宽均为kernel,填充为pad,步长为Stride(长宽可不同,分别计算即可),则卷积层的输出维度为:
其中上开下闭开中括号表示向下取整。
MaxPooling层的过滤器长宽设为kernel*kernel,则池化层的输出维度也适用于上述公司计算。
具体计算可以AlexNet为例。
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:CNN卷积神经网络的卷积层、池化层的输出维度计算公式 - Python技术站
卷积层Conv的输入:高为h、宽为w,卷积核的长宽均为kernel,填充为pad,步长为Stride(长宽可不同,分别计算即可),则卷积层的输出维度为:
其中上开下闭开中括号表示向下取整。
MaxPooling层的过滤器长宽设为kernel*kernel,则池化层的输出维度也适用于上述公司计算。
具体计算可以AlexNet为例。
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:CNN卷积神经网络的卷积层、池化层的输出维度计算公式 - Python技术站