卷积积分池化积分是在我计算GoogLeNet每一步图像的大小时进行的
我用卷积的计算公式计算我们图像的尺寸,但知道不行,我很怀疑
我用的是下面的公式
(1)输入数据整体的大小是w1h1d1w_1) timesh_1) timesd_1w1h1d1 )
)2) 4个超级参数:
滤波器数目k滤波器空间尺寸f滑动步骤s零填充的数目p(3)输入数据的整体尺寸是w2h2d2w_2(timesh_2) timesd_2w2h2d2。 其中w2=w1f2ps1,H2=H1F2PS1,D 2=K W_2=frac{W_1-F 2P}{S} 1,H_2=frac{H_1-F 2P}{S} 1
最后查阅了大量资料,最后得到的卷积中特征值图大小的计算方式有“‘valid”和“‘same”两种,既适用于卷积又适用于池化,卷积无法整除的结果都是向下的,池化无法整除的结果是
“‘valid”:因为相当于我们的padding=0,所以如果可以直接计算的话,“‘same”:用以上的式子计算就可以了,输出特征图的尺寸需要和输入特征图的尺寸没有变化
采用’same’方式,当kernel_size=1时,padding=0; 如果kernel_size=3,则padding=1; 如果kernel_size=5,则padding=3,依此类推。