Pytorch:Conv2d卷积前后尺寸详解
短信预约 -IT技能 免费直播动态提醒
Pytorch:Conv2d卷积前后尺寸
Conv2d参数
尺寸变化
卷积前的尺寸为(N,C,W,H) ，卷积后尺寸为(N,F,W_n,H_n)
- W_n = (W-F+S+2P)/S 向下取整
- H_n = (H-F+S+2P)/S
示例
# m = nn.Conv2d(16, 33, 3, stride=2)
# non-square kernels and unequal stride and with padding
m = nn.Conv2d(16, 33, (3, 5), stride=(2, 1), padding=(4, 2))
# non-square kernels and unequal stride and with padding and dilation
# m = nn.Conv2d(16, 33, (3, 5), stride=(2, 1), padding=(4, 2), dilation=(3, 1))
input = torch.randn(20, 16, 50, 100)
print(input.size())
output = m(input)
print(output.size())
反卷积（转置卷积）Conv2DTranspose 输出的尺寸大小
keras的Conv2DTranspose
The size of the input feature map: (N, N)
Conv2dTranspose(kernel_size=k, padding, strides=s)
padding=‘same' ，输出尺寸 = N × s
padding=‘valid'，输出尺寸 = (N-1) × s + k总结
以上为个人经验，希望能给大家一个参考，也希望大家多多支持编程网。
免责声明：
① 本站未注明“稿件来源”的信息均来自网络整理。其文字、图片和音视频稿件的所属权归原作者所有。本站收集整理出于非商业性的教育和科研之目的，并不意味着本站赞同其观点或证实其内容的真实性。仅作为临时的测试数据，供内部测试之用。本站并未授权任何人以任何方式主动获取本站任何信息。
② 本站未注明“稿件来源”的临时测试数据将在测试完成后最终做删除处理。有问题或投稿请发送至: 邮箱/279061341@qq.com QQ/279061341
