PyTorch 中卷积的输出维度

Question

我的输入图像的大小是 68 x 224 x 3 (HxWxC)，第一Conv2d层定义为

\n

conv1 = torch.nn.Conv2d(3, 16, stride=4, kernel_size=(9,9))。

\n

为什么输出特征体的尺寸是16 x 15 x 54？我知道有16个过滤器，所以前面有16，但是如果我用来[(W\xe2\x88\x92K+2P)/S]+1计算维度，维度是不可整除的。

\n

有人可以解释一下吗？

\n

Answer 1

特征图的计算是[(W\xe2\x88\x92K+2P)/S]+1，这里[]括号表示楼层划分。在您的示例中，填充是zero，因此计算结果是[(68-9+2*0)/4]+1 ->[14.75]=14 -> [14.75]+1 = 15和[(224-9+2*0)/4]+1 -> [53.75]=53 -> [53.75]+1 = 54。

\n

import torch\n\nconv1 = torch.nn.Conv2d(3, 16, stride=4, kernel_size=(9,9))\ninput = torch.rand(1, 3, 68, 224)\n\nprint(conv1(input).shape)\n# torch.Size([1, 16, 15, 54])\n

\n

您也可能会看到不同的公式来计算特征图。

\n

在PyTorch中：\n

\n

一般来说，你可能会看到这样的情况：

\n

\n

然而两种情况的结果是相同的

\n