移动网络架构

Question

上图包含 mobilenet 架构，在第一行提到输入大小为 224x224x3，过滤器形状为 3x3x3x32，步幅为 2。如果我们应用 out_size = ((input_size - filter_size + 2* padding)/stride)+1,(padding = 0) 我们得到 out_size 为 (224-3+2(0))/2 + 1 = 111.5 ，但在第二行中，输入大小被提及为 112x112x32。我是这些概念的新手，谁能解释一下我哪里出错了？

Answer 1

你没有看错，如果不填充第一个 2D 卷积层的输出形状是不够的。

要实现它，您必须在左右维度的一侧设置填充，并在上下维度的一侧设置填充。这样，您将获得 225x225x3 的输入形状，这将在步长 2 和内核 3x3 的 2D 卷积后产生正确的输出形状。

使用 PyTorch，您只需在

中设置 padding=1

torch.nn.Conv2d(in_channels=3, out_channels=32, kernel_size=(3,3), stride=2, padding=1)

它会理解不可能在每个维度的两侧进行填充，并返回形状为 (112, 112, 32) 的输出。