深度学习-卷积与反卷积和输入和输出尺寸关系_卷积操作输入矩阵与输出矩阵尺寸的对应关系

作者：繁依Fanyi0 | 2024-07-04 14:32:03

踩

卷积操作输入矩阵与输出矩阵尺寸的对应关系

算上padding卷积

N（out） = (N(in) − k + 2p )/s+1
输入图片大小 N:W×W

s：stride
k：kernel_size 也叫 filterf
p：padding
1
2
3
4
5
6

算上padding反卷积

N（out） = （N（in）-1）× s +k -2p

s：stride
k：kernel_size 也叫 filterf
p：padding
1
2
3
4
5

卷积中的特征图大小计算方式有两种，分别是‘VALID’和‘SAME’。

1.'VALID'
不能整除时向上取整。

2.'SAME'，输出特征图的大小与输入特征图的大小保持不变，
其中padding为特征图填充的圈数。
若采用’SAME’方式，kernel_size=1时，padding=0；kernel_size=3时，padding=1；kernel_size=5时，padding=2，以此类推。

声明：本文内容由网友自发贡献，不代表【wpsshop博客】立场，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：https://www.wpsshop.cn/w/繁依Fanyi0/article/detail/787225