太久没碰深度学习了,复习复习:
关键参数:
(参数英文名基于pytorch中的Conv2d()
)
输入大小( H i n p u t × W i n p u t × C i n p u t H_{input}×W_{input}×C_{input} Hinput×Winput×Cinput)
卷积核大小( H o u t p u t × W o u t p u t × C o u t p u t H_{output}×W_{output}×C_{output } Houtput×Woutput×Coutput,其中 C o u t p u t C_{output } Coutput代表卷积核层数,也带代表输出特征图层数)
步长stride( S S S)、膨胀padding( P P P)
卷积核数量out_channels( C o u t p u t C_{output} Coutput)
其中,输入大小、卷积核大小、stride、padding将决定输出特征图一层的尺寸,其计算公式为:
H o u t p u t = H i n p u t − F + 2 P S + 1 H_{output}=\frac{H_{input}-F+2P}{S}+1 Houtput=SHinput−F+2P+1
其中, F F F为卷积核大小
输出特征图的层数:
C o u t p u t C_{output} Coutput
torch中尺寸的问题
(N,C,H,W)
批次大小、层数、高度、宽度
torch中Conv2d需要注意的问题:
- 只接受
torch.float32
类型,转化方法:变量.to(torch.float32)
groups
参数不为1
时需要满足groups=out_channels
,groups
为1时,out_channels
随意