deep-learning - 层的尺寸不是整数时是向上取整还是向下取整？

Question

有时可能会发生卷积层或池层的过滤器掩码不适合输入体积的情况。例如我有一个 5x5输入和 2x2过滤掩码并且不使用任何填充，而步幅的 d 值为 2 ..

使用公式:

H = 1 + (W - F + 2*P) / S 

其中 W 是输入量，F 是过滤器大小，P 是填充，S 是步幅 - 都是一维的。

1 + (5 - 2)/2 = 3/2 = 2,5 

使用的输出尺寸是多少？它会降到“2”还是降到“3”？

Answer 1

考虑到 caffe 的实现，它会降到 2。$CAFFE_ROOT/src/caffe/layers/conv_layer.cpp的第18行

 const int output_dim = (input_dim + 2 * pad_data[i] - kernel_extent)
        / stride_data[i] + 1;

基本上，考虑一个大小为 SxS 的过滤器，它在输入上滑动。
当它在最后移动时，它可能不得不面对等于其大小或小于其大小的输入。
如果它小于 S ，则忽略该部分。这就是 caffe 实现它的方式。