如何计算卷积神经网络中密集和输出层的尺寸？

Question

有人可以告诉我为什么密集层和输出层的大小分别为256和10？

input = 1x28x28                      
conv2d1   (28-(5-1))=24 -> 32x24x24   
maxpool1                    32x12x12                           
conv2d2   (12-(3-1))=10 ->  32x10x10    
maxpool2                     32x5x5                           
dense                           256    
output                           10  

Answer 1

卷积层与完全连接的层不同。对于完全连接，您将矢量重新整形为一个单一维度，并应用矩阵乘法和fc图层权重（W * x + B）。

你应该在这里清楚地阅读和理解概念（了解如何运作的最佳教程）：http://cs231n.github.io/convolutional-networks/#conv

对于密集层：

在您的情况下，第一个密集层的权重大小为[32 * 5 * 5,256]。将池层的输出重新整形为一个向量，并通过密集层进行馈送。第一密集层的输出是256 dim vector - 通过第二个FC层（weights_size = [256,10]）得到10 dim vector

上面的链接清楚地解释了Conv，Pool，Relu，全连接层的所有细节以及每层输出大小的计算。

请仔细阅读。我希望有所帮助。