本文共 414 字,大约阅读时间需要 1 分钟。
卷积神经网络的输出计算
假设有一个 7×7×3 7 × 7 × 3 的输入层(补白padding为1), 使用一个 3×3×3×2 3 × 3 × 3 × 2 的Filter, 步长(stride)为1进行卷积, 得到一个 3×3×2 3 × 3 × 2 的Feature Map. 具体计算操作如下:
计算公式:
W2=(W1−F+2P)/S+1 W 2 = ( W 1 − F + 2 P ) / S + 1 H2=(H1−F+2P)/S+1 H 2 = ( H 1 − F + 2 P ) / S + 1 - W1 W 1 是卷积前图像的宽度;
- W2 W 2 是卷积后Feature Map的宽度;
- H1 H 1 是卷积前图像的高度;
- H2 H 2 是卷积后Feature Map的高度;
- P P 是padding数量;
- S S 是stride步长.
- 我的个人主页:
- 我的CSDN博客:
- 我的简书:
- 我的GitHub: