采纳答案成功!
向帮助你的同学说点啥吧!感谢那些助人为乐的人
正常来说卷积后图像的长宽应该也减小才对,是不是padding为same,步长为1就可以保证图像长宽不变啊? 还有之前课程给出两个计算输出尺寸的公式: 输出尺寸:(n-p)/s+1 输出size=输入size-卷积核size+1 如果输入是3232,padding是0,步长是1,卷积核33 第一个公式算出来的就是33,第二个公式算出来的就是30. 是不是我理解的有问题啊??
不是这样的,padding为same时,只表示图像的数据不丢失,若步长为1,则输出图像的大小不变;若步长为2,则输出图像的大小为输入图像大小的一半。
一定要理解padding为same,表示数据不丢失的含义。
输出尺寸 = (输入尺寸 + 2 * padding - 卷积核尺寸)/ 步长 + 1
若输入为32*32*3,padding为same,步长为2,则(32-3+1)/2+1=16;
若padding为valid,步长为2,则(32-3)/2+1=15.5,丢失0.5,则为15,即数据丢失了
padding为same保证输出之后的长宽不变
那两个公式以我的理解应该是:
登录后可查看更多问答,登录/注册
深度学习算法工程师必学,深入理解深度学习核心算法CNN RNN GAN
1.5k 9
1.6k 8
1.1k 7
1.2k 7
1.9k 7