我正在尝试理解卷积神经网络中的维度行为。在下面的图中，输入是一个28x28矩阵，具有1个通道。然后有32个5x5滤波器（高度和宽度上的步幅为2）。因此，我理解结果为14x14x32。但是在下一个卷积层中，我们有64个5x5滤波器（再次使用步幅2）。那么为什么结果是7x7x64而不是7x7x32x64？难道我们不是将这64个滤波器中的每一个都应用于这32个通道中的每一个吗？
卷积神经网络中的维度
6
- Miriam Farber
1
参见：http://stackoverflow.com/a/42636245/562769 - Martin Thoma
3个回答
2
一个过滤器是在前一层中所有维度的总和。这意味着5x5的过滤器对32个维度求和，实质上是32*5*5个值的加权和。然而，权重值在维度之间是共享的。然后有64个这样的过滤器。更好的解释可以在这里找到：http://cs231n.github.io/convolutional-networks/。
- Thomas Pinetz
2
深度通常是隐含给出的。例如，许多图像被认为具有深度3（每个像素中的三个颜色维度）。因此，通过一个5x5的滤波器，我们指的是一个5x5x3的滤波器。在您的情况下，5x5滤波器实际上是一个5x5x32的滤波器。
深度为1的通常是明确说明的（如“5x5x1滤波器”）。
- Lennart Scharmann
1
这里有一个清晰的解释，说明输入大小如何随着层数的增加而变化。
在输入中，您提供的尺寸为28宽度和28高度，深度为1。对于第一层的过滤器，过滤器的深度维必须等于输入的深度维。因此，过滤器的尺寸将是5x5x1，应用一个过滤器后，由于步幅的缘故，维度减少以产生14x14x1维度激活图，因此应用32个这样的过滤器将给您32个激活图。将所有这些14x14x32组合起来就是第1层的输出，并作为第2层的输入。同样，在第二层中，您需要在该层上应用一个5（宽）x5（高）x32（深度）的过滤器，以产生一个14x14x1的激活图，堆叠所有64个激活图将给您第二层的输出尺寸为14x14x64，依此类推。
是的，实际上您在每个32个通道上应用了64个过滤器。
- Raady
1
根据问题中的图像，我们需要应用一个5（宽）x 5（高）x 64（深度）的过滤器，您已将深度设置为32。 - Dhanraj Kotian
网页内容由stack overflow 提供, 点击上面的可以查看英文原文，
原文链接
原文链接