输入图片的大小对卷积神经网络结构的影响

博客介绍了输入图片对全连接层输入参数大小的影响。当输入图片大小与预训练模型不同时,需通过卷积、池化及全连接层公式计算最终全连接层输入层数大小;相同时,若分类数相同无需更改,不同则更改全连接层输出值。

直接影响最终的全连接层中的输入参数的大小。
1.当输入图片的大小与预训练模型中的不同时:
需经过卷积、池化及全连接层的计算公式得出最终全连接层输入层数的大小。
2.当输入图片的大小与预训练模型中的相同时:
(1)若分类数与预训练模型相同则无需做任何更改。
(2)若分类数与预训练模型中的不同,则更改全连接层中的输出值。

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值