计算卷积层的输出大小

您可以使用此公式 [(W−K+2P)/S]+1。

W 是输入量-在您的情况下为 128

K 是内核大小-在您的情况下为 5

P 是填充 - 在你的情况下 0 我相信

是步幅 - 您没有提供。

所以，我们输入公式：

Output_Shape = (128-5+0)/1+1

Output_Shape = (124,124,40)

注意：如果未提供，Stride 默认为 1，(124, 124, 40) 中的 40 是用户提供的过滤器数量。

---

可以通过两种方式找到： 简单方法：input_size - (filter_size - 1)

W - (K-1)
Here W = Input size
            K = Filter size
            S = Stride
            P = Padding

但是第二种方法是找到输出大小的标准。

Second method: (((W - K + 2P)/S) + 1)
        Here W = Input size
        K = Filter size
        S = Stride
        P = Padding 

---

让我从简单的开始；因为你有输入和过滤器的方阵，所以让我得到一维。然后，您可以将相同的方法应用于其他维度。想象一下你在树之间建栅栏，如果有 N 棵树，你必须建 N-1 个栅栏。现在将这个类比应用于卷积层。

您的输出大小将是：输入大小 - 过滤器大小 + 1

因为你的过滤器只能有 n-1 个步骤作为我提到的栅栏。

让我们用这个想法计算你的输出。 128 - 5 + 1 = 124 其他维度也一样。所以现在你有一个 124 x 124 的图像。

那是一个过滤器。

如果您应用此 40 次，您将获得另一个尺寸：124 x 124 x 40

如果您想了解有关高级卷积算法的更多信息，这里是一个很好的指南：https://arxiv.org/pdf/1603.07285.pdf

---

公式：n[i]=(n[i-1]−f[i]+2p[i])/s[i]+1

在哪里，

n[i-1]=128

f[i]=5

p[i]=0

s[i]=1

所以，

n[i]=(128-5+0)/1+1 =124

所以输出层的大小是：124x124x40 其中'40'是过滤器的数量

---

(124*124*3)*40 = 1845120 宽度 = 124 高度 = 124 深度 = 3 号过滤器 = 40 步幅 = 1 填充 = 0

---