[英]Convolutional neural network, how the second conv layer works on the first pooling layer
我正在阅读TensorFlow网站上的资料:
https://www.tensorflow.org/tutorials/layers
假设我们有10个灰度单色28x28像素图像,
因此,如果我们应用第二个卷积层(比如链接中的64个5x5滤波器),我们是否将这些滤波器应用于每个图像的每个通道并获得10 * 32 * 64 * 14 * 14数据?
是和否。您可以将滤镜应用于每个通道和每个图像,但不会获得10*32*64*14*14
输出尺寸。 输出的维数将为10*64*14*14
,因为该层为每个图像指定了64个输出通道。 反过来,用于该卷积的权重将具有32*64*5*5
大小(对于输入上的每个通道,64个5乘5的滤波器)。
不会。如果您使用一组64个5x5
过滤器进行卷积和填充(忽略批量大小) 14x14x32
音量,您最终将获得14x14x64
输出音量
每个卷积滤波器都沿整个输入深度进行卷积。 因此,您的14x14x32
输入音量与5x5
滤波器进行卷积,然后输出为14x14x1
特征映射。
然后,64个滤波器堆栈的第二个5x5
滤波器再次与输入音量卷积。 对64个滤波器中的每一个进行相同的操作,并将所得到的特征图堆叠起来,形成输出音量14x14x64
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.