卷积神经网络的尺寸设计的经验

关于卷积神经网络的尺寸设计，有一些经验可以参考：
（1）输入层：一般而言，输入层的大小应该能够被2整除很多次，常用的数字包括32,64,96和124。
（2）卷积层：卷积层应该尽可能使用小尺寸的滤波器，比如3×3或者5×5，如果要使用更大的滤波器尺寸（如7×7），通常会用在第一个面对原始图像的卷积层上。滑动步长取1。需要对输入数据进行零填充，这样可以有效地保证卷积层不会改变输入数据体的空间尺寸。
（3）池化层：常用的设置使用2×2的感受野做最大值池化，滑动步长取2.一般而言池化层的感受野大小很少超过3，因为这样会使得池化过程过于激烈，造成信息的丢失，进而导致算法的性能变差。
（4）零填充：零填充可以让卷积层的输入和输出在空间上的维度保持一致，此外，如果不适用零填充，数据体的尺寸就会略微减少，在不断进行卷积的过程中，图像的边缘信息就会过快地损失掉。
————————————————
版权声明：本文为CSDN博主「喵木木」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/Jenny_oxaza/article/details/105677146