我们如何计算卷积输出的深度？

时间：2018-01-27 21:21:38

标签： neural-network deep-learning artificial-intelligence conv-neural-network convolution

我们如何获得Conv输出中的要素图编号（深度H）

我认为 H = D * 过滤器数量 !!

enter image description here

source of picture

1 个答案:

答案 0 :(得分：3)

H可以自由选择。它不依赖于任何其他参数。

每个H“特征图”将由不同的k x k x D内核产生。这通常被描述为具有形状H x k x k x D的单个4D内核。

在源文本中它说的是同样的事情，但也许更清楚：

  

输入的大小为N×N×D，并与H个内核进行卷积，每个内核的大小为k x k x D.带有一个内核的输入卷积产生一个输出特征，而H内核独立产生H特征。

这个术语起初可能会令人困惑，因为同一个词有多个术语。 H可以被称为内核数，或过滤器数量，或输出要素数或过滤器映射数< / em>的

相关问题
最新问题