输出体积的大小(卷积神经网络)
引言
据我从用于视觉识别的CS231n卷积神经网络了解到的是，Size of the output volume表示给定以下参数的神经元数：
- 输入体积尺寸(W)
- Conv层神经元(F)的接收场大小，即内核或滤波器的大小
- 应用(S)或我们用来移动内核的步骤
- 边界使用(P)的零填充量
我贴了两个例子。在示例1中，我完全没有问题。但是，在示例2中，我感到困惑。
示例1
在真实世界示例部分中，它们以[227 x 227 x 3]输入映像开始。参数如下：F = 11, S = 4, P = 0, W = 227。
我们注意到卷积有一个K = 96深度。(为什么？)
output volume的大小是(227 - 11)/4 + 1 = 55。因此，我们会让55 x 55 x 96 = 290,400神经元每个指向图像中的一个[11 x 11 x 3]区域，这实际上是我们想要计算点积的核。
示例2
在下面的示例中，摘自Numpy示例部分。我们有一个输入图像与以下形状的[11 x 11 x 3]。用于计算输出卷大小的参数如下：W = 11, P = 0, S = 2 and F = 5。
我们注意到卷积有一定的K = 4深度。
公式(11-5)/2+1 = 4只产生4个神经元。每个神经元指向图像中一个大小为[5 x 5 x 4]的区域。
似乎他们只是在向x方向移动内核。我们是不是应该有12个神经元，每个都有[5 x 5 x 4]的重量。
V[0,0,0] = np.sum(X[:5,:5,:] * W0) + b0
V[1,0,0] = np.sum(X[2:7,:5,:] * W0) + b0
V[2,0,0] = np.sum(X[4:9,:5,:] * W0) + b0
V[3,0,0] = np.sum(X[6:11,:5,:] * W0) + b0问题
- 我真的不明白为什么只使用4神经元而不使用12
- 为什么他们在示例1中选择
K = 96？ - W参数是否总是等于输入图像中的宽度？
回答 1
Stack Overflow用户
发布于 2016-07-27 16:58:00
示例1
为什么卷积的深度为K= 96？
深度(K)等于在卷积层上使用的滤波器数目。一个更大的数字通常会带来更好的结果。问题是:训练速度慢。复杂的图像需要更多的过滤器。我通常用第一层的32个过滤器和第二层上的64个过滤器开始测试。
示例2
公式(11-5)/2+1 =4只产生4个神经元.
我不是专家，但我认为这是错误的。公式只定义输出大小(高度和宽度)。卷积层具有大小(高度和宽度)和深度。大小由这个公式定义，深度由使用的滤波器数目决定。神经元总数为：
## height * width * depth
4 * 4 * 4 = 64问题
- 该层有64个神经元，每层16个。
- 更多的过滤器，通常更好。
- 据我所知，你需要分别计算卷积层的高度和宽度。当计算输出的宽度时，W将是图像的宽度，F将是所使用的滤波器的宽度。在计算高度时，您将使用图像和过滤器的高度。当图像和过滤器被平方时，您可以执行一个操作，因为这两个操作都有相同的结果。
https://stackoverflow.com/questions/38617320
复制相似问题
腾讯云开发者
