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
- 如卷积核宽高为3时 padding 选择1
- 如卷积核宽高为5时 padding 选择2
- 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 |