Neural network 带输出矩阵的人工神经网络

我试图理解神经网络，我有以下问题。 我有一个图像作为输入。比如说3x100x50。我希望输出是100x50矩阵。 我想在输入和输出之间添加卷积层。例如：

内核大小：10 步幅：5 零填充：0 过滤器：4

我想，如果我在输入端使用这个卷积层，我会得到200个矩阵，大小为4x10x10，连接到输入端，对吗

---

我的问题是如何得到一个大小为100x50的矩阵，以便它适合我的输出？

我不确定您是否能得到200个矩阵。。。更像是4（每个过滤器一个），我想我会为每一步得到一个10x10矩阵。一个感受野会为每一步计算一个神经元的值。我想我会为每一步得到一个10x10矩阵（内核大小），为每个过滤器得到这4次——或者更好的是，我得到一个4x10x10矩阵（过滤器4个）.我得到20个水平矩阵乘以10个垂直矩阵。所以我得到20x10=200个矩阵，大小为10x10，每个矩阵有4个过滤器。不，你不会。因此，对于一个过滤器，您将获得200x10个值。这远大于输入大小（3x100x50）。您正在对数据进行卷积，因此通过您的（4）个感受野（大小10，步幅5），您将获得4个约20x10个神经元的矩阵。一个接收域应该减少数据，而不是增加数据。我不确定你会得到200个矩阵。。。更像是4（每个过滤器一个），我想我会为每一步得到一个10x10矩阵。一个感受野会为每一步计算一个神经元的值。我想我会为每一步得到一个10x10矩阵（内核大小），为每个过滤器得到这4次——或者更好的是，我得到一个4x10x10矩阵（过滤器4个）.我得到20个水平矩阵乘以10个垂直矩阵。所以我得到20x10=200个矩阵，大小为10x10，每个矩阵有4个过滤器。不，你不会。因此，对于一个过滤器，您将获得200x10个值。这远大于输入大小（3x100x50）。您正在对数据进行卷积，因此通过您的（4）个感受野（大小10，步幅5），您将获得4个约20x10个神经元的矩阵。接收野应该减少数据，而不是增加数据。