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
tensorflow卷积的输入输出维度
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
- 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
- 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
- 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
推荐阅读更多精彩内容
- # Basics ## Standard notations- Variable: $X$ (uppercase ...
- 原文链接:https://yq.aliyun.com/articles/178374 0. 简介 在过去,我写的主...
- 本系列文章面向深度学习研发者,希望通过Image Caption Generation,一个有意思的具体任务,深入...
- 目录faster rcnn论文备注caffe代码框架简介faster rcnn代码分析后记 faster rcnn...