根據我的理解，maxpool 層在卷積 2d 層上作業，并將層的維度減少了一半，但該模型的架構以不同的方式顯示了它。誰能告訴我它是如何只減少了一個小尺寸而不是預期的一半？我的意思是如果應用了maxpooling層，尺寸不應該是16x16x32嗎？為什么是 32x31x30？如果有自定義輸出形狀的可能性，我想知道為什么。
uj5u.com熱心網友回復：
這顯然是一個錯字。正如鏈接論文中所述（感謝 Christoph），他們在最大池化層（重點是我的）中提到了以下內容：
第一個網路是完全設計的神經網路 (FD-NN)。模型的架構和層數如表 1 所示。使用了 3×3 過濾器大小的 2D 卷積層，并將 Relu 指定為激活函式。應用大小為 2×2 的 Maxpooling 以減少特征數量。
如果應用了 2 x 2 視窗，那么您應該正確地將特征圖從 32 x 32 x 32 減少到 16 x 16 x 32。此外，該行中的過濾器數量是錯誤的。它也應該仍然是 32。 這篇論文沒有在任何會議或期刊上正式發表，只能作為 arXiv 上的預印本。這意味著該論文沒有經過正式的錯誤審查或校對。
因此，如果您想清楚了解實際輸出尺寸，我建議您向論文的原始作者尋求幫助。但是，該表中最大池化和 dropout 的輸出維度完全不正確。
轉載請註明出處，本文鏈接：https://www.uj5u.com/caozuo/372310.html
標籤：图像处理 卷积神经网络 图像分类 最大池化 最大池大小