您当前的位置:首页 > IT编程 > 深度学习
| C语言 | Java | VB | VC | python | Android | TensorFlow | C++ | oracle | 学术与代码 | cnn卷积神经网络 | gnn | 图像修复 | Keras | 数据集 | Neo4j | 自然语言处理 | 深度学习 | 医学CAD | 医学影像 | 超参数 | pointnet | pytorch | 异常检测 | Transformers | 情感分类 | 知识图谱 |

自学教程:卷积层和池化层后输出大小方法

51自学网 2020-09-25 17:20:12
  深度学习
这篇教程卷积层和池化层后输出大小方法写得很实用,希望能帮到您。

卷积层和池化层后输出大小方法

卷积后图片输出大小几个数

W:图像宽,H:图像高,D:图像深度(通道数)

F:卷积核宽高,N:卷积核(过滤器)个数

S:步长,P:用零填充个数

 

卷积后输出图像大小:

                                    Width=(W-F+2P)/S+1

                                    Height=(H-F+2P)/S+1

卷积后输出图像深度:

                                    N=D

输出图像大小:             (width,height,N)

 

weight个数:        

                                    F*F*D*N

bias个数: 

                                    N

总结:卷积输出大小=[(输入大小-卷积核(过滤器)大小+2*P)/步长]+1

通用的卷积时padding 的选择

  1. 如卷积核宽高为3时 padding 选择1
  2. 如卷积核宽高为5时 padding 选择2
  3. 如卷积核宽高为7时 padding 选择3

池化后图片输出大小及个数

W:图像宽,H:图像高,D:图像深度(通道数)

F:卷积核宽高,S:步长

池化后输出图像大小:

                                   W=(W-F)/S+1

                                   H=(H-F)/S+1

池化后输出图像深度:     

                                   N=D

总结:池化输出大小=[(输入大小-卷积核(过滤器)大小)/步长]+1


如何在keras中添加自己的优化器(如adam等)
深度学习中的Momentum算法原理
万事OK自学网:51自学网_软件自学网_CAD自学网自学excel、自学PS、自学CAD、自学C语言、自学css3实例,是一个通过网络自主学习工作技能的自学平台,网友喜欢的软件自学网站。