本文详细解析了卷积神经网络中，3x16x16图像使用5个3x3卷积核，步长为1时的输出格式。通过计算单个通道对单个核卷积的结果，并说明多个通道及卷积核如何影响最终的输出形状。
之前一直对卷积的输出结果的格式不太清楚，如：
3x16X16的图像进行 5个3x3核，步长为1的卷积。（3指的是图像的通道数，如常见的红绿蓝）
单个通道对单个核卷积的结果为：（16-（3-1））x（16-（3-1）） =14x14
因为有3个通道，一个卷积核需要对每个通道上的图像分量进行卷积，但卷积后会进行一次合并，因此3个通道求卷积后的结果任然是 14x14的单通道图像。
因为有5个卷积核，每个卷积核都会产生一个14x14的图像，这5个卷积核所产生的图像在深度学习中被认为相当于5个通道的图像，因此最终结果是：14x14x5
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
