Python 了解Conv2d的输入和输出大小

我正在学习使用PyTorch（使用CIFAR-10数据集）进行图像分类

我试图了解给定的

Conv2d

代码的输入和输出参数：

import torch.nn as nn
import torch.nn.functional as F

class Net(nn.Module):
    def __init__(self):
        super(Net, self).__init__()
        self.conv1 = nn.Conv2d(3, 6, 5)
        self.pool = nn.MaxPool2d(2, 2)
        self.conv2 = nn.Conv2d(6, 16, 5)
        self.fc1 = nn.Linear(16 * 5 * 5, 120)
        self.fc2 = nn.Linear(120, 84)
        self.fc3 = nn.Linear(84, 10)

    def forward(self, x):
        x = self.pool(F.relu(self.conv1(x)))
        x = self.pool(F.relu(self.conv2(x)))
        x = x.view(-1, 16 * 5 * 5)
        x = F.relu(self.fc1(x))
        x = F.relu(self.fc2(x))
        x = self.fc3(x)
        return x

net = Net()

我的

conv2d（）

理解（如果我错了/遗漏了什么，请更正）：

• 因为图像有3个通道，所以第一个参数是

  3

  。

  6

  是过滤器的数量（随机选择）

• 5

  是内核大小（5,5）（随机选择）
• 同样，我们创建下一层（上一层输出是该层的输入）
• 现在使用

  linear

  函数创建一个完全连接的层： self.fc1=nn.线性（16*5*5120）

16*5*5

：这里的

16

是最后一个conv2d层的输出，但是在这里

5*5

是什么

这是内核大小吗？还是别的什么？如何知道我们需要乘以

5*5或4*4或3*3…..

我研究并了解到，由于图像大小是

32*32

，应用max pool（2）2次，因此图像大小将是32->16->8，因此我们应该将其乘以

最后一次输出大小*8*8

，但在这个链接中它是

5*5

---

有人能解释一下吗？

这些是图像大小本身的尺寸（即高度x宽度）

未加卷积 除非用零填充图像，否则卷积滤波器会将输出图像的大小在高度和宽度上缩小

filter\u size-1

：

3-filter将5x5图像转换为（5-（3-1）x 5-（3-1））图像 零填充保留图像尺寸 让我们。