入力画像に畳み込み、プールした後の出力サイズを計算する方法

Question

テンソルフローチュートリアルで深いmnistを学ぶと、入力画像に畳み込み、プールした後の出力サイズに関する問題があります。チュートリアルでは、我々は見ることができます：

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) 

は、私は、入力された画像を処理するための2つの段階があると思い：ファースト・コンボリューションと第二の最大のプールが！畳み込み後、出力サイズは（28-5 + 1）*（28-5 + 1）= 24 * 24です。最大プールへの入力のサイズは24 * 24です。プールサイズが2 * 2の場合、出力サイズは14 * 14ではなく（24/2）*（24/2）= 12 * 12になります。それは理にかなっていますか？ pleaeは、畳み込みとプールの後に出力サイズを計算する方法の詳細を教えてくれます。どうもありがとう。 次の図は、CNNのプロセスです。 image of the CNN process

私は既に問題がどこにあるのか理解しています。

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

パディング= 'SAME'は、出力サイズが入力サイズ----イメージサイズと同じであることを意味します。そして、畳み込み後、出力サイズは28 * 28であり、最終出力サイズはプール後（28/2）*（28/2）= 14 * 14です。しかし、「SAME」=パディングに関する次のコードを説明する方法：

は

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

畳み込み層の出力サイズは、使用パディングアルゴリズムに依存します。チュートリアルでは、「コンボリューションとプール」セクションにあるように、埋め込み方法はsameです。つまり、出力形状は入力形状と同じであり、入力には元の入力の外側にゼロが埋め込まれています。

埋め込みアルゴリズムvalidを使用すると、出力形状の見積もりはtrueになります。

Answer 2

あなたがtensorflowを使用している場合は、ここではより詳細な議論を見つけることができます：What is the difference between 'SAME' and 'VALID' padding in tf.nn.max_pool of tensorflow?

Answer 3

に例を取ることができます。

テンソルのサイズや形状（幅= 28、高さ= 28）

畳み込みフィルタサイズ（F）：（F_width = 5、F_height = 5）

パディング（P）：0

パディングアルゴリズム：VALID（これは、出力サイズが変化し得ることを意味する）

ストライド（S）：1

方程式を使用する：

出力幅=（（W-F + 2 * P）/ S）+1

出力幅=（（28-5 + 2 * 0）/ 1）+ 1

出力幅= 24

出力の高さが同じであることを考慮すると、同じ答えが有効です。

出力の次元は（24,24）になります。

ただし、パディングアルゴリズムが「同じ」に設定されている場合、出力のサイズは元の入力のサイズと同じです。

また、プールは「フィルタ」の形式であることを覚えておいてください。したがって、上記のフィルタ式は適用可能です。

だから、同じ式を使用して2のストライドでプール2×2は、（（（W-F + 2 * P）/ S）+1）私たちを与える：

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

ここで私は一度Quoraのに投稿回答へのリンクです。

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