tensorflow卷积的输入输出维度

对于input为batch，input_length，input_width，channal_in
filter为f_l，f_w，channel_in，channel_out
strides为1，s，s，1而言
输出维度为
batch，out_l，out_w，channel_out
若padding=”VALID“，那么
out_l=[（input_l-f_l）/s]+1
若padding="SAME"，相当于对input的width两端进行了长度为（f_l-1）/2的补0，那么
out_l=[(input_l+2*(f_l-1)/2-f_l)/s]+1=[(input-1)/s]+1
PADDING的直观在数据计算上的好处是在s|input时，out_l=input_l/s
其实际的意义在于保留输入层的边缘信息

最后编辑于 ：
©著作权归作者所有,转载或内容合作请联系作者
【社区内容提示】社区部分内容疑似由AI辅助生成，浏览时请结合常识与多方信息审慎甄别。
平台声明：文章内容（如有图片或视频亦包括在内）由作者上传并发布，文章内容仅代表作者本人观点，简书系信息发布平台，仅提供信息存储服务。

相关阅读更多精彩内容

友情链接更多精彩内容