在CNN模型中计算Conv层的输出大小

Question

在卷积神经网络中，如何知道特定转换层的输出？（我正在使用keras构建CNN模型）

例如，如果我使用一维转换层，其中number_of_filters = 20，kernel_size = 10和input_shape（500,1）

 cnn.add(Conv1D(20,kernel_size=10,strides=1, padding="same",activation="sigmoid",input_shape=(Dimension_of_input,1)))

如果我使用的是二维转换层，其中number_of_filters = 64，kernal_size =（5,100），input_shape =（5,720,1）（高度，宽度，通道）

 Conv2D(64, (5, 100),
       padding="same",
       activation="sigmoid",
       data_format="channels_last",
       input_shape=(5,720,1)

以上两个转换层的输出数量是多少？在卷积神经网络中，是否有任何方程可用来了解卷积层的输出数量？

Answer 1

是的，有它的方程式，您可以在CS231N 课程网站中找到它们。summary但由于这是一个编程站点，Keras 提供了一种通过使用模型函数以编程方式获取此信息的简单方法。

model = Sequential()
fill model with layers
model.summary()

这将在终端/控制台中打印所有层信息，例如输入形状、输出形状以及每层的参数数量。