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:转载:cnn学习之卷积或者池化后输出的map的size计算 - Python技术站
转载:cnn学习之卷积或者池化后输出的map的size计算
•
卷积神经网络
相信各位在学习cnn的时候,常常对于卷积或者池化后所得map的的大小具体是多少,不知道怎么算。尤其涉及到边界的时候。
首先需要了解对于一个输入的input_height*input_widtht的图像,在卷积或者池化的时候,经常需要加padding,这是为了处理边界问题时而采用的一种方式,于是原输入就变成了下图所示:
对于输出的size计算 如下图:
out_height=((input_height - filter_height + padding_top+padding_bottom)/stride_height )+1
out_width=((input_width - filter_width + padding_left+padding_right)/stride_width )+1
只不过往往
out_height=out_width ,
input_height = input_width
fillter_height=filter_width padding_top=padding_bottom=padding_left=padding_right
stride_width=stride_height罢了
此外对于当前主流的cnn框架
tensorflow中是如此计算的:
首先对于padding有两个默认的选项same和valid ,如果是valid的话,则padding的四个值均为0,也就是没有padding
对于same,计算方式如下图,图中out的值可以直接计算出来的原因是因为padding的值是一个根据输入的定值的;大家把pad_along_height的等式转化成,左边是out_height,右边是其他的形式。就一样了。
其他的框架,比如caffe,应该都是自己设置padding的值大小。
至于padding出来的区域的值,一般填0。或者复制边界的值等等。
赞 (0)
卷积核尺寸如何选取呢?
上一篇
2023年4月8日 上午12:22
针对回归训练卷积神经网络
下一篇
2023年4月8日 上午12:22