我试图理解一篇文章在卷积神经网络中的反向传播
但我无法理解该图： 
第一层有3 个尺寸为32x32的特征图。第二层有32 个尺寸为18x18的特征图。这怎么可能呢 ？如果将内核5x5的卷积应用于32x32输入，则输出的维度应为 经过 = 经过 .
此外，如果第一层只有 3 个特征图，则第二层应该有3 个特征图的倍数，但32不是3的倍数。
另外，为什么第三层的大小是10x10？应该改为9x9吗？前一层的尺寸是18x18，因此2x2最大池化应该将其减少到9x9，而不是10x10。
卷积神经网络层大小
数据挖掘
神经网络
美国有线电视新闻网
卷积神经网络
卷积
2021-10-06 12:15:04
3个回答
其实我猜你在第二部分犯了错误。关键是在CNNs 中，卷积操作是在体积上完成的。假设输入图像在三个通道中，下一层有 5 个内核，因此下一层将有五个特征图，但卷积操作由具有以下特性的体积卷积组成：每个内核都有其宽度和高度，此外，一个深度。它的深度等于前一层的特征图的数量，这里是图像的通道。看看这里。
这可能是填充与卷积步幅相结合的情况：如果您在第一层的任一侧填充 2 个零并使用 2 的步幅，则最终将得到 18 * 18 * x。输入上的 3 个通道很可能是 RG&B，它们通常被放大到 32 个特征图。
您感到困惑的原因是因为论文中省略了一些参数。假设从第一层到第二层，stride=2，pad=4，32个内核，18=(32+2*4-5)/2-1
其它你可能感兴趣的问题