深度神经网络Tensorflow里卷积后feature map的大小
来源:互联网 发布:中科软java面试题 编辑:程序博客网 时间:2024/06/01 08:10
深度神经网络Tensorflow里卷积后feature map的大小
feature map的大小和输入、filter、步长都有直接的关系。网上大多是步长为1的情况,自己总结了个公式。
举个例子,输入是5x5维的tensor,卷积核filter为3x3,步长stride为1的时候
input: 5x5
filter: 3x3
stride: 1x1
最终feature map为:3x3
步长不为1的时候,输入维数又很大的时候,该怎么计算,经过自己的研究得出公式:
input_size: 输入维数大小
filter_size: 卷积核大小
stride: 步长
feature map = ⌈ (input_size - filter_size + stride) / stride ⌉ ;;上取整,边界不丢弃
以上面的例子再算一次
⌈(5-3+1) / 1 ⌉ = 3
再以AlexNet的结构里第一层卷积验证下,如下图输入 224x224 卷积核 11x11, 步长4
feature map=⌈(224-11+4) / 4 ⌉ = 55
阅读全文
0 0
- 深度神经网络Tensorflow里卷积后feature map的大小
- 卷积神经网络中feature map的含义
- TensorFlow 深度学习笔记 卷积神经网络
- 深度卷积神经网络TensorFlow GPU实现
- 如何确定卷积神经网络的卷积核大小、卷积层数、每层map个数
- 理解卷积神经网络CNN中的特征图 feature map
- TensorFlow深度学习进阶教程:TensorFlow实现CIFAR-10数据集测试的卷积神经网络
- 【TensorFlow】TensorFlow 的卷积神经网络 CNN
- tensorflow(4)---mnist问题的深度卷积神经网络(基于官网文档的实现)
- 卷积神经网络传播过程中感受野的理解以及feature map size 、receptive field size的计算(代码)
- [note] 深度学习 tensorflow 笔记(3) cnn 卷积神经网络
- [action]tensorflow深度学习实战 (4) 实现简单卷积神经网络
- 深度学习四:tensorflow-使用卷积神经网络识别手写数字
- Tensorflow深度学习之二:简单卷积神经网络CNN
- Tensorflow深度学习笔记(九)--卷积神经网络(CNN)
- Tensorflow中权值和feature map的可视化
- TensorFlow的卷积神经网络例子解析
- tensorflow 经典卷积神经网络的实现
- nginx本地路径映射
- java中逻辑评论以及维护评论中
- Linux TCP异常参数指导
- 欢迎使用CSDN-markdown编辑器
- java md5
- 深度神经网络Tensorflow里卷积后feature map的大小
- jquery 实现动画简单操作
- SplashActivity的实现
- 使用Eclipse编译运行MapReduce程序_Hadoop2.6.0_Ubuntu/CentOS
- 动态代理AOP(面向切面编程)
- 国旗相似度研究—基于canny算子
- 前端遇到问题解决方案
- 深入贯彻闭包思想,全面理解JS闭包形成过程
- 等级保护三级一篇写的比较好的应用系统安全测评方法