Fatal编程技术网
  • neural-network/
  • Neural network 如何在Caffe中定位/指定池层的大小

Neural network 如何在Caffe中定位/指定池层的大小

neural-network deep-learning

Neural network 如何在Caffe中定位/指定池层的大小,neural-network,deep-learning,caffe,conv-neural-network,mnist,Neural Network,Deep Learning,Caffe,Conv Neural Network,Mnist,我的团队一直在研究Caffe的MNIST示例，并且能够定位/指定某些神经网络层（如卷积层）中神经元/过滤器的数量，该层由一个名为num_output的参数引用。 但是，池层似乎没有指定它们拥有/我们可以调整的输出数量。 有没有办法找到这些信息，以便我能够知道MNIST示例神经网络的每一层中存在多少个神经元 此外，第一卷积层的num_输出=20，第二卷积层的num_输出=50。这层深度的跳跃是如何实现的？我假设这是因为卷积层1和2之间的池层，但我不知道池层有多少个过滤器。您必须了解池层是一种特殊的

我的团队一直在研究Caffe的MNIST示例，并且能够定位/指定某些神经网络层（如卷积层）中神经元/过滤器的数量，该层由一个名为num_output的参数引用。 但是，池层似乎没有指定它们拥有/我们可以调整的输出数量。 有没有办法找到这些信息，以便我能够知道MNIST示例神经网络的每一层中存在多少个神经元

此外，第一卷积层的num_输出=20，第二卷积层的num_输出=50。这层深度的跳跃是如何实现的？我假设这是因为卷积层1和2之间的池层，但我不知道池层有多少个过滤器。

您必须了解池层是一种特殊的层，其主要目的是减少卷积层输出的维数

池层的输出是其参数的函数-内核大小、pad和步长，以及卷积层的输出大小。通过内核的宽度
W
和高度
H
，pads
Ph，Pw
，以及跨步
Sh，Sw
，它从卷积层产生一个输出，其大小为
Wc x Hc x Dc
，具有：

  • Width=（Wc+2*Pc-W）/Sw+1
  • 高度=（Hc+2*Ph-H）/Sh+1
  • Depth=Dc
    • 您可以阅读参数的详细说明和池操作的详细信息。

    因此池层会考虑其参数和之前卷积层的维度，并使用它们来指定自己的维度，是吗？但是，如果池层降低了卷积输出的维数，那么网络是如何从卷积层1（大小20）--->池层-->卷积层2（大小50）开始的呢？谢谢。Num_out是过滤器的数量。它可能被设置为任意数字。网络设计者将其设置为50，这就是大小保持不变的原因：）好的。我现在明白多了。非常感谢。