摘要: 参考:https://blog.csdn.net/qq_41368247/article/details/86626446 使用前提:stride > 1 补充:same卷积操作 是通过padding使得卷积之后输出的特征图大小保持不变(相对于输入特征图),不代表得到的输出特征图的大小与输入特征图的 阅读全文
posted @ 2019-04-29 17:31 慢行厚积 阅读(16226) 评论(1) 推荐(2) 编辑
摘要: 1.首先先定义进行卷积的参数: 输入特征图为高宽一样的Hin*Hin大小的x 卷积核大小kernel_size 步长stride padding填充数(填充0) 输出特征图为Hout*Hout大小的y 计算式子为: Hout = floor( Hin + 2*padding - kernel_siz 阅读全文
posted @ 2019-04-29 16:45 慢行厚积 阅读(39994) 评论(3) 推荐(9) 编辑