计算卷积神经网络中特征图的维度

Question

我在 Keras 中有卷积神经网络。我需要知道每层特征图的尺寸。我的输入是 28 x 28 像素图像。我知道有一种方法可以计算这个我不知道如何。下面是我使用 Keras 的代码片段。

img_rows, img_cols = 28, 28
nb_filters = 32
nb_pool = 2
nb_conv = 3

model = Sequential()

model.add(Convolution2D(nb_filters, nb_conv, nb_conv, border_mode='valid', input_shape=(1, img_rows, img_cols)))
model.add(Activation('relu'))
model.add(Convolution2D(nb_filters, nb_conv, nb_conv))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(nb_pool, nb_pool)))
model.add(Dropout(0.25))

model.add(Convolution2D(64, nb_conv, nb_conv, border_mode='valid'))
model.add(Activation('relu'))
model.add(Convolution2D(64, nb_conv, nb_conv))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(nb_pool, nb_pool)))
model.add(Dropout(0.25))

model.add(Flatten())
model.add(Dense(512))
model.add(Activation('relu'))
model.add(Dropout(0.5))


model.add(Dense(nb_classes))
model.add(Activation('softmax'))

归根结底，这就是我想画的。谢谢。

Answer 1

检查这篇文章。

\n\n

输出体积的空间大小公式：K*((W\xe2\x88\x92F+2P)/S+1)，其中W - 输入体积大小，F为卷积层神经元的感受野大小，S -应用它们的步幅，P - 边界上使用的零填充量，K - 卷积层的深度。

\n