卷积层输出大小尺寸计算及padding为 “SAME” 和 “VALID”的计算 | 您所在的位置:网站首页 › 书的尺寸大小怎么算 › 卷积层输出大小尺寸计算及padding为 “SAME” 和 “VALID”的计算 |
简介
卷积之后的尺寸大小计算公式为: 输入图片大小 W×WFilter大小 F×F步长strides Spadding的像素数 P输出大小为NxN我们可以得出 长宽不等时,卷积之后的计算公式也是如此,只需分别计算即可。 在实际操作时,我们还会碰到 padding的两种方式 “SAME” 和 “VALID”,padding = “SAME”时,会在图像的周围填 “0”,padding = “VALID”则不需要,即 P=0。一般会选“SAME”,以来减缓图像变小的速度,二来防止边界信息丢失(即有些图像边界的信息发挥作用较少)。 注意!!! 此时可能会发现,按照这两中方式,按照上面的公式怎么不对呀 其实公式是没有问题的, padding = “VALID”: P=0padding = “SAME”: kernel_size=1时,P=0;kernel_size=3时,P=1;kernel_size=5时,P=2,以此类推。问题可能也就出在上面 tensorflow官网给出了另一种计算方式,也是正确的: padding = “SAME”时: padding = “VALID”时: 当 输入是5*5,卷积核是3*3,步长S = 2padding= “SAME”时: 根据公式1: 根据公式2: padding= “VALID”时: 根据公式1: 根据公式3: 如下:
|
CopyRight 2018-2019 实验室设备网 版权所有 |