TensorFlow如何将图像缩小到7x7？

Question

我正在阅读教程Deep MNIST for Experts。在Densely Connected Layer部分的开头，它表示“[...]图像尺寸已减少到7x7”。

我似乎无法了解他们如何使用这个7x7矩阵。据我所知，我们从28x28开始，有两层5x5卷积内核。 28除以4是7，但不除以5。

Answer 1

5x5是卷积层的“窗口”大小。它不会减小图像尺寸：TensorFlow和Caffe等会自动提供边框垫。名为1的Torch要求您添加该边框（在这种情况下，每个方向有2个位置）。

每个内核（过滤器）都会考虑整个图像的5x5子集。例如，为了计算图像中位置[7,12]的值，卷积过程考虑“窗口”[5：9,10：14]。它将这25个值中的每一个乘以其相应的权重并将这些乘积相加。这个和将成为中心正方形[7,12]的下一层中的值。

对于图像中的每个位置以及图层中的每个内核，都会重复此过程。

正如@ Aenimated1已经提到的那样，尺寸减少来自两个2x的池。此操作将图像划分为2x2窗口，传递每个2x2平方的最大值（或用户指定的其他表示）。这将28x28图像缩小为14x14;第二个池将其减少到7x7。

Answer 2

“图像大小”的减少是在每个卷积层之后添加的池化层的结果。每个2x2池将宽度和高度减小2倍，因此在两个池化操作后产生7x7矩阵。