Question

例如，FC层（L.Linear）需要input_size和output_size，但这仅适用于FC中的权重矩阵。但输入图像大小可以是任意的，如何控制来限制输入图像大小或输入其他特征尺寸？

Answer 1

线性链接可以定义为双向

明确指定input_size
```
l1 = L.Linear(input_size, output_size)
```

推断输入大小

l1 = L.Linear(None, output_size)
# Following code works same way, from chainer v2
# l1 = L.Linear(output_size)

当使用第二种方法时，输入大小在正向计算的第一次自动确定（并且创建权重矩阵），并且此输入大小在正向计算后固定。

在您的情况下，您是否在卷积层之后使用FC层（这是CNN中图像分类网络的通用结构）？在这种情况下，我猜图像大小应始终与第一次正向计算相同（除非图像大小被全局池等忽略）。我是否正确理解了您的问题？

Answer 2

我已经创建了一个新的合并功能，用于考虑Chainer中特定的输出形状：

# pooling_func : F.max_pooling_2d or F.average_pooling_2d
def output_shape_pooling(self, x,output_size , pooling_func):
       input_size  = x.shape[-1]
       stride = input_size // output_size
       k_size = input_size - (output_size -1 ) * stride
       x      = pooling_func(x , stride=stride,ksize=k_size)
       return x

如何控制chainer中的输入特征尺寸/尺寸？

2 个答案: