您当前的位置:首页 > 计算机 > 编程开发 > 人工智能

卷积神经网络中特征图大小计算公式总结

时间:03-29来源:作者:点击数:

W:输入特征图的宽,H:输入特征图的高

K:kernelsize卷积核宽和高,P:padding(特征图需要填充的0的个数),S:stride步长

width_out:卷积后输出特征图的宽,height_out:卷积后输出特征图的高

普通卷积

计算公式:

width_out = (W - K + 2*P)/ S + 1(向下取整)

height_out = (H - K + 2*P) / S + 1(向下取整)

池化

计算公式:

width_out = (W - K)/ S + 1(向下取整)

height_out = (H - K) / S + 1(向下取整)

上采样UpSampling2D

上采样相当于放大多少倍,size=倍数

计算公式:

width_out =W*size

height_out =H*size

转置卷积

转置卷积俗称反卷积,是上采样方式中的一种,转置卷积用来增大特征图的分辨率。

计算公式:

width_out = (W - 1)* S-2*P + K

height_out = (H - 1)* S - 2 * P + K

方便获取更多学习、工作、生活信息请关注本站微信公众号城东书院 微信服务号城东书院 微信订阅号
推荐内容
相关内容
栏目更新
栏目热门