輸出尺
寸=輸入
尺寸−f
ilte
r尺寸+
2∗pa
ddin
gstr
ide+
1\bm }
輸出尺寸=s
trid
e+1輸
入尺寸−
filt
er尺寸
+2∗p
addi
ng
舉個例子說明卷積是如何計算的：
輸入大小為200×200，依次經過一層卷積（kernel size 5×5，padding 1，stride 2），pooling（kernel size 3×3，padding 0，stride 1），又一層卷積（kernel size 3×3，padding 1，stride 1）之後，最終輸出的特徵圖大小為：97。
計算尺寸不被整除只在googlenet中遇到過。卷積向下取整，池化向上取整。
深度學習筆記（27） 經典卷積網路
講了基本構建，比如卷積層 池化層以及全連線層這些元件 事實上，過去幾年計算機視覺研究中的大量研究都集中在如何把這些基本構件組合起來 形成有效的卷積神經網路 最直觀的方式之一就是去看一些案例 就像很多人通過看別人的 來學習程式設計一樣 通過研究別人構建有效元件的案例是個不錯的辦法 實際上在計算機視覺任...
深度學習 卷積理解
一.深度卷積神經網路學習筆記 一 假設輸入影象尺寸為w，卷積核尺寸為f，步幅 stride 為s 卷積核移動的步幅 padding使用p 用於填充輸入影象的邊界，一般填充0 那麼經過該卷積層後輸出的影象尺寸為 w f 2p s 1。2.它寫出為什麼會用padding？卷積核大小該如何確定？strid...
14 深度學習 卷積
補交作業 第十二次作業 垃圾郵件分類 第十三次作業 垃圾郵件分類2 這兩個作業電腦顯示卡炸了，返廠修了兩周，所以沒有完成，只能在手機上直播課，謝謝老師 第六次作業 邏輯回歸 這個作業我4月23日就已經弄好了，但是忘記交了，老師可以檢視一下這篇部落格的日期 1.簡述人工智慧 機器學習和深度學習三者的聯...