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
更多推荐
所有评论(0)