如何计算卷积和汇集到输入imag后的输出大小

Question

在使用tensorflow教程学习deep mnist时，我遇到了一个问题，即在对输入图像进行卷积和池化之后，输出大小如何。在教程中，我们可以看到：

W_conv1 = weight_variable([5, 5, 1, 32])
b_conv1 = bias_variable([32])
x_image = tf.reshape(x, [-1,28,28,1])

We then convolve x_image with the weight tensor, add the bias, apply 
the ReLU function, and finally max pool. The max_pool_2x2 method 
will reduce the image size to 14x14.

h_conv1 = tf.nn.relu(conv2d(x_image, W_conv1) + b_conv1)
h_pool1 = max_pool_2x2(h_conv1)

我认为有两个步骤来处理输入图像：First卷积和second max pool？！卷积后，输出大小为（28-5+1）*（28-5+1）=24*24。那么最大池的输入大小是24*24。如果池大小为2*2，则输出大小为（24/2）*（24/2）=12*12，而不是14*14。这有道理吗？请告诉我如何计算卷积和池后的输出大小的细节。谢谢。 下图是CNN在一篇论文中的处理过程。 image of the CNN process

我已经知道问题出在哪里了。

def conv2d(x, W):
  return tf.nn.conv2d(x, W, strides=[1, 1, 1, 1], padding='SAME')

padding='SAME'表示输出大小与输入大小相同——图像大小。然后经过卷积后，输出大小为28×28，最后输出大小为（28/2）*（28/2）=14×14。但是如何解释下面关于padding='相同'的代码：

def max_pool_2x2(x):
    return tf.nn.max_pool(x, ksize=[1, 2, 2, 1],
                    strides=[1, 2, 2, 1], padding='SAME')

Answer 1

如果您使用的是tensorflow，可以在这里找到更详细的讨论：What is the difference between 'SAME' and 'VALID' padding in tf.nn.max_pool of tensorflow?

Answer 2

举个例子。

张量大小或形状：（宽=28，高=28）

卷积滤波器尺寸（F）：（F_宽度=5，F_高度=5）

填充（p）：0

填充算法：有效（这意味着输出大小可以变化）

步幅：1

使用公式：

输出宽度=（（W-F+2*p）/S）+1

输出宽度=（（28-5+2*0）/1）+1

输出宽度=24

考虑到它们具有相同的尺寸，相同的答案对于输出高度是有效的。

所以输出维数是（24,24）。

但是，如果填充算法设置为“相同”，则输出的大小等于原始输入的大小。

还要记住，池是“过滤器”的一种形式，因此上面的文件管理器方程是可应用的。

因此，使用相同的方程（（（W-F+2*p）/S）+1），跨距为2的2x2池将给出：

= ((28-2+2*0)/2) + 1 = (26/2)+1 = (13)+1 = 14

这是一个链接到我曾经发布给Quora的答案。

https://www.quora.com/How-can-I-calculate-the-size-of-output-of-convolutional-layer/answer/Rockson-Agyeman

Answer 3

卷积层的输出大小取决于使用的填充算法。正如您在“卷积和池”一节中看到的，在本教程中，它们使用填充的same方法。这意味着输出形状与输入形状相同，并且在原始输入之外用零填充输入。

当使用valid填充算法时，对输出形状的估计为真。