代码输出特征图大小:self.conv1 = nn.Conv2d(in_channels=3, out_channels=16, kernel_size=3, stride=1, padding=0)
时间: 2024-03-31 20:38:45 浏览: 15
假设输入特征图的大小为$H_{in} \times W_{in} \times C_{in}$,其中$H_{in}$表示特征图的高度,$W_{in}$表示特征图的宽度,$C_{in}$表示特征图的通道数(即深度)。同时假设卷积核的大小为$k \times k$,卷积的步长为$s$。
对于没有填充的情况,输出特征图的大小为$H_{out} \times W_{out} \times C_{out}$,其中:
$H_{out} = \lfloor \frac{H_{in} - k}{s} \rfloor + 1$
$W_{out} = \lfloor \frac{W_{in} - k}{s} \rfloor + 1$
$C_{out}$等于卷积层的输出通道数(即out_channels)。
所以对于这段代码,如果输入特征图的大小为$H_{in} \times W_{in} \times C_{in} = 224 \times 224 \times 3$,卷积核的大小为$3 \times 3$,卷积的步长为1,输出通道数为16,则输出特征图的大小为:
$H_{out} = \lfloor \frac{H_{in} - k}{s} \rfloor + 1 = \lfloor \frac{224 - 3}{1} \rfloor + 1 = 222$
$W_{out} = \lfloor \frac{W_{in} - k}{s} \rfloor + 1 = \lfloor \frac{224 - 3}{1} \rfloor + 1 = 222$
$C_{out} = 16$
因此输出特征图的大小为$222 \times 222 \times 16$。
相关推荐
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)