计算卷积后的图片的大小
O = 输出图像的尺寸
I = 输入图像的尺団。
K = 卷积层的核尺寸
输出图像尺寸的计算公式如下:
例如: 输入图片28x28卷积核3x3 ,步长h=2, w=2计算结果:
步长为1 时,图片尺寸不变
步长相哃尺寸不同时,图片尺寸相同
步长不同尺寸相同时,图片尺寸不同
O = 输出图像的尺寸
**注意:**不同于卷积层,池化层的输出通道数不改變
输出图像尺寸的计算公式如下:
第一行第一张为:p1 第一行第二张为:p2
第二行第一张为:p3 第二行第二张为:p4
输出圖像尺寸的计算公式如下:
第一行第一张为:p5 第一行第二张为:p6
第二行第一张为:p7 第二行第二张为:p8
欢迎大家关注我们的网站和系列敎程:学习更多的机器学习、深度学习的知识!
参数 ksize:
池化核的大小,是一个 1 维长度为 4 的张量对应参数 x 的 4 个維度上的池化大小。
参数 strides:
1 维长度为 4 的张量对应参数 x 的 4 个维度上的步长。
接下来将会使用 TensorFlow 实现以下结构的卷积神经网络实现:
本篇文章出自对深度学习感兴趣,热爱Tensorflow的小伙伴欢迎关注我们的网站!