tensorflow - 如何理解tensorflow教程中的 "Densely Connected Layer"部分

Question

在 Densely Connected Layer在tensorflow教程的部分，它说图像处理后的大小是7 x 7。我尝试了代码，看来这些参数有效。

但我不知道如何获得这个7 x 7尺寸。我的理解是:

• 原始图像为 28 x 28，
• 在第一个卷积层中，max_pool_2x2 函数会将图像尺寸减小 4 倍，因此在第一个池化操作之后，图像尺寸为 7 x 7

• 这是我不明白的地方

  在第二个卷积层中，还有另一个 max_pool_2x2 函数调用，所以我认为图像大小应该再次减小 4 倍。。但实际上并没有。

我哪一步错了？

Answer 1

您还需要知道最大池和卷积的步幅。

def conv2d(x, W):
  return tf.nn.conv2d(x, W, strides=[1, 1, 1, 1], padding='SAME')

def max_pool_2x2(x):
  return tf.nn.max_pool(x, ksize=[1, 2, 2, 1],
                        strides=[1, 2, 2, 1], padding='SAME')

在这里，我们可以看到卷积的步长为 1，最大池的步长为 2。如何看待最大池，它需要一个 2x2 的框，并将其在图像上滑动，每次都取超过 4 个像素的最大值。如果你的步幅是 2，那么它每次移动就需要 2 步!图像大小应减小 2 倍，而不是 4 倍。

换句话说，最大池为 2x2、步长为 2 的 28x28 图片将变成 14x14。另一个最大池 2x2 和步幅 2 会将其减少到 7x7。

为了进一步说明我的观点，我们以 max pool 2x2 和 stride 1 为例。如果我们不填充图像，那么在 max pool 之后它将变成 27x27 的图像。

这是一张更完整答案的图片: