卷积神经网络padding，步长（s）和输出图片计算
若使用n的kernel，则输出大小为（(（x+2p-k）/s)+1）*（(（x+2p-k）/s)*n。假设图片大小是x*x*3,kernel大小为k*k*3(k通常为奇数),padding大小为p。假设图片大小是x*x,kernel大小为k*k(k通常为奇数),padding大小为p。则有padding时 输出图片的大小为（x+2p-k+1）*(x+2p-k+1）如果padding未知，且想要使输
·
二维平面图：
假设图片大小是x*x,kernel大小为k*k(k通常为奇数),padding大小为p
则无padding时 输出图片的大小为（x-k+1）*(x-k+1）
则有padding时 输出图片的大小为（x+2p-k+1）*(x+2p-k+1）
如果padding未知，且想要使输入输出大小相等，则p=(k-1)/2
若步长s不为1，则输出为(（x+2p-k）/s)+1,如果结果不是整数则向下取整。
三维图：
假设图片大小是x*x*3,kernel大小为k*k*3(k通常为奇数),padding大小为p
若使用n的kernel，则输出大小为（(（x+2p-k）/s)+1）*（(（x+2p-k）/s）+1)*n
若nn.conv2d中dilation不为一，则计算公式为：((x+2*p-(k-1)*dilation-1)/s)+1
技术共进，成长同行——讯飞AI开发者社区
更多推荐
1
0- 0
已为社区贡献1条内容
所有评论(0)