假设CNN中间层的输入大小为512×512×128，在卷积层中，我们在第2步应用了48个7×7滤镜，没有填充。我想知道生成的激活图的大小是多少？
我检查了以前的一些帖子（例如here或here）以指向this斯坦福课程页面。并且给出的公式为（W − F + 2P）/ S +1 =（512-7）/ 2 +1，这意味着无法进行这种设置，因为我们得到的值不是整数。
但是，如果我在Python 2.7中运行以下代码段，该代码似乎表明激活映射的大小是通过（512-6）/ 2计算的，这很有意义，但与上面的公式不匹配：
>>> import torch
>>> conv = torch.nn.Conv2d(in_channels=128, out_channels=48, kernel_size=7, stride=2, padding=0)
>>> conv
Conv2d(128, 48, kernel_size=(7, 7), stride=(2, 2))
>>> img = torch.rand((1, 128, 512, 512))
>>> out = conv(img)
>>> out.shape
(1, 48, 253, 253)
感谢您对理解这个难题的任何帮助。
最佳答案
这是在pytorch中使用的公式：conv2d（转到shape部分）
而且，据我所知，this是关于该主题的最佳教程。
奖励：here是用于conv计算的简洁可视化工具。
关于python - 卷积网络中激活/特征图的维数约束，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/59352314/