卷積神經網絡--padding


    1. 當padding 為VALID時:

             輸出寬和高的公式代碼為:

             output_width = (input_width - filter_width + 1) / strides_width;        (結果向上取整)

             output_height = (input_height - filter_height + 1) / strides_height;      (結果向上取整)

    2.當padding 為SAME時:

             輸出寬和高與filter的寬高沒有關系,只與步長的寬高有關系:

             output_width = input_width / strides_width;      (結果向上取整)

             output_height = input_height / strides_height;      (結果向上取整)

     3. 補零規則:

              pad_height = max((output_height - 1) * strides_height + filter_height - in_height , 0);

              pad_width = max((out_width - 1) * strides_width +filter_width - in_width, 0);

      pad_top = pad_height / 2;

              pad_bottom = pad_height - pad_top;

              pad_left = pad_width / 2;

              pad_right = pad_width - pad_left;

    pad_top,pad_bottom,pad_left,pad_right為補零的行數和列數。

 

或者:最簡公式 

             valid: [(n-f)/s + 1]  x [(n-f)/s + 1];    該公式向下取整

             same: [(n + 2p -f)/s +1] x [(n + 2p -f)/s +1];  該公式向下取整

 


免責聲明!

本站轉載的文章為個人學習借鑒使用,本站對版權不負任何法律責任。如果侵犯了您的隱私權益,請聯系本站郵箱yoyou2525@163.com刪除。



 
粵ICP備18138465號   © 2018-2025 CODEPRJ.COM