Question

因此，我目前正在构建一个2通道（也称为双通道）卷积神经网络，用于测量2（二进制）图像之间的相似性。

我遇到的问题如下：

我的输入图像是40 x 50，在经过1个转换和1个池化层之后（例如），输出尺寸为18 x23。那么，如何在不以非整数输出尺寸结束的情况下进行更多的池化呢？例如，将18 x 23的图像合并为2 x 2的大小，则输出大小由9 x 11.5给出。

我似乎找不到合适的内核大小来避免这种问题，我认为这是原始输入图像尺寸不是2的幂的事实的结果。例如，输入图像尺寸为64 x 64正确的填充尺寸等没有此问题。

非常感谢您的帮助。

Answer 1

关于您的问题：

那么如何在不以非整数输出大小结束的情况下做更多的合并呢？

假设您拥有：

import torch
from torch import nn
from torch.nn import functional as F

# equivalent to your (18 x 23) activation volume
x = torch.rand(1, 1, 4, 3)

print(x)
# tensor([[[[0.5005, 0.3433, 0.5252],
#           [0.4878, 0.5266, 0.0237],
#           [0.8600, 0.8092, 0.8912],
#           [0.1623, 0.4863, 0.3644]]]])

如果您应用池化（在此示例中，我将使用MaxPooling，并且假设您是根据期望的输出形状使用stride=2进行2x2池化）：

p = nn.MaxPool2d(2, stride=2)
y = p(x)

print(y.shape)
# torch.Size([1, 1, 2, 1])

print(y)
# tensor([[[[0.5266],
#           [0.8600]]]])

如果您想拥有[1, 1, 2, 2]，则可以将ceil_mode=True的{{1}}设置为：

MaxPooling

您还可以填充该卷以达到相同的音量（这里我假设该卷具有p = nn.MaxPool2d(2, stride=2, ceil_mode=True) y = p(x) print(y.shape) # torch.Size([1, 1, 2, 2]) print(y) # tensor([[[[0.5266, 0.5252], # [0.8600, 0.8912]]]])，就像在ReLU之后一样）：

min=0

关于：

我似乎找不到合适的内核大小来避免这种问题，我认为这是原始输入图像尺寸不是2的幂的事实的结果。

好吧，如果您想使用将输入大小减半的Pooling操作（例如，使用p = nn.MaxPool2d(2, stride=2) y = p(F.pad(x, (0, 1), "constant", 0)) print(y.shape) # torch.Size([1, 1, 2, 2]) print(y) # tensor([[[[0.5266, 0.5252], # [0.8600, 0.8912]]]])和kernel=2的MaxPooling），那么使用2的幂的形状的输入将非常方便（毕竟，您将可以执行许多这些/ 2操作）。但是，这不是必需的。您可以更改合并的步幅，可以始终与stride=2合并，还可以非对称填充，以及其他许多功能。所有这些都是您在构建模型时必须做出的决定：）

关于Pytorch中的奇数图像尺寸

1 个答案: