卷积输出特征图大小计算公式

最新推荐文章于 2024-05-25 21:20:39 发布

皇甫懿

最新推荐文章于 2024-05-25 21:20:39 发布

阅读量295

点赞数

CC 4.0 BY-SA版权

文章标签：深度学习人工智能

本文链接：https://blog.csdn.net/weixin_43743847/article/details/131076093

卷积神经网络中，计算输出尺寸涉及到的关键因素包括滤波器（filter）大小、padding、步幅（stride）。若无padding，输出尺寸为n-f+1；若有padding，则为n+2p-f+1。为了保持输入与输出尺寸一致，padding应设为(f-1)/2。当有步幅时，输出尺寸为((n+2p-f)/stride)+1，非整数则向下取整。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

如果是没有padding填充，那么公式为n-f（滤波器大小)+1
如果有padding填充，那么公式为 n+2p-f+1
如果想要输出大小和输入大小尺寸一样，那么就让padding=（f-1）/2
如果添加了步幅 stride的话，那么公式为（n+2p-f）/stride+1 ，如果商不是整数，那么向下取整