简明易懂 | 您所在的位置:网站首页 › 怎么求矩阵的大小和维数 › 简明易懂 |
池化层: 假设在第一行之前填充 p h 1 p_{h1} ph1 行,在最后一行后面填充 p h 2 p_{h2} ph2 行。在第一列之前填充 p w 1 p_{w1} pw1 列,在最后一列之后填充 p w 2 p_{w2} pw2 列,则池化层输出特征图大小为: H o u t = H + p h 1 + p h 2 − k h s h + 1 H_{out} = \frac{H + p_{h1} + p_{h2} - k_h}{s_h} + 1 Hout=shH+ph1+ph2−kh+1 W o u t = W + p w 1 + p w 2 − k w s w + 1 W_{out} = \frac{W + p_{w1} + p_{w2} - k_w}{s_w} + 1 Wout=swW+pw1+pw2−kw+1 在卷积神经网络中,通常使用 2 × 2 2\times2 2×2 大小的池化窗口,步幅也使用 2,填充为 0,则输出特征图的尺寸为: H o u t = H 2 H_{out} = \frac{H}{2} Hout=2H W o u t = W 2 W_{out} = \frac{W}{2} Wout=2W |
CopyRight 2018-2019 实验室设备网 版权所有 |