machine-learning - 了解卷积神经网络的输出

Question

我一直在尝试理解卷积神经网络，但我弄乱了它的输出大小。

这个公式非常简单，但我最终还是感到困惑。我从互联网上的许多来源学习，例如 AndrewNg 的 deeplearning.ai。

这就是我感到困惑的地方。

输出大小 = 输入大小 - 过滤器 + 1

如果我的 InputSize 为 11 x 11 x 16 并且我使用 max pool 和 filter size 2。通过数学计算，我的形状应该是 5.5 x 5.5 x 16。

这个浮点值(5.5)会四舍五入还是在您输入时会被视为5？

Answer 1

您描述的公式是特定设置的部分情况。一个general formula是这样的:

W2 = (W1 - F + 2*P) / S + 1
H2 = (H1 - F + 2*P) / S + 1

如您所见，它不仅取决于过滤器大小F，还取决于步幅S和填充大小P(所以您的公式仅适用于 P=0 和 S=1)。

在最大池化的情况下，S通常为2，以便池化执行图像下采样。结果仅取决于填充:

• 如果P=0，结果将为5x5x16(即，它是该值的上限)。
• 如果P=1，结果将为6x6x16。
• 任何更大的填充都没有任何意义，但您可以使用上面的公式计算输出大小。

这是 keras 中的示例代码:

input = Input(shape=(11, 11, 16))
print(MaxPool2D(pool_size=(2, 2), strides=2, padding='valid')(input).shape)
# >>> (?, 5, 5, 16)
print(MaxPool2D(pool_size=(2, 2), strides=2, padding='same')(input).shape)
# >>> (?, 6, 6, 16)