计算卷积神经网络中特征映射的维数

Question

我在Keras有卷积神经网络。 我需要知道每一层中要素图的尺寸。 我的输入是28乘28像素的图像。我知道有一种计算方法，我不确定如何。以下是我使用Keras的代码段。

img_rows, img_cols = 28, 28
nb_filters = 32
nb_pool = 2
nb_conv = 3

model = Sequential()

model.add(Convolution2D(nb_filters, nb_conv, nb_conv, border_mode='valid', input_shape=(1, img_rows, img_cols)))
model.add(Activation('relu'))
model.add(Convolution2D(nb_filters, nb_conv, nb_conv))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(nb_pool, nb_pool)))
model.add(Dropout(0.25))

model.add(Convolution2D(64, nb_conv, nb_conv, border_mode='valid'))
model.add(Activation('relu'))
model.add(Convolution2D(64, nb_conv, nb_conv))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(nb_pool, nb_pool)))
model.add(Dropout(0.25))

model.add(Flatten())
model.add(Dense(512))
model.add(Activation('relu'))
model.add(Dropout(0.5))


model.add(Dense(nb_classes))
model.add(Activation('softmax'))

在一天结束时，这就是我想要绘制的内容。谢谢。

Answer 1

查看this文章。

输出音量空间大小的公式： K *（（W-F + 2P）/ S + 1），其中 W - 输入音量大小，< strong> F Conv Layer神经元的感受野大小， S - 应用它们的步幅， P - 使用的零填充量边界， K - 转换层的深度。