logo
Loading...

池化、全連接層問題 - Cupoy

您好,我對於D13的作業解答有點問題。作業有一題希望回答 CNN 第三個 Pooling layer...

cvdl,cvdl-d13

池化、全連接層問題

2020/06/14 下午 06:11
電腦視覺深度學習討論版
SemiSu
觀看數:11
回答數:3
收藏數:0
cvdl
cvdl-d13

您好,我對於D13的作業解答有點問題。


作業有一題希望回答 CNN 第三個 Pooling layer 如果 pooling_size=1,1 strides=1,1 輸出feature map 大小為多少?

因為 2nd pooling output 的 feature map 為 (8, 8),因此在 3rd Cov2D padding = 'same', strides= (1,1) 的情況下  3rd pooling output 的 feature map 應該為 (8, 8) 而不是解答的 (4, 4),對嗎?還是我觀念哪裡錯了?


謝謝您的協助,也期待您的回覆


感謝


作業程式碼摘選

# 2nd 

model.add(Conv2D(64, kernel_size=(3, 3), padding='same'))

### Q: pooling_size=2,2 strides=2,2 輸出feature map 大小為多少? 

### A: feature map = (8, 8)

model.add(MaxPooling2D(pool_size=(2,2),strides=(2,2)))


# 3rd 

model.add(Conv2D(128, kernel_size=(3, 3), padding='same'))

### Q: pooling_size=1,1 strides=1,1 輸出feature map 大小為多少?

### A: feature map = (8, 8) -> 這裡解答是(4, 4)

model.add(MaxPooling2D(pool_size=(1,1)))


解答貼圖

回答列表

  • 2020/06/14 下午 10:35
    Alice
    贊同數:0
    不贊同數:0
    留言數:0

    觀念是對的,只是解答設定的參數和HW不一樣(默認strides=(2, 2)),所以出來會是(4, 4)

  • 2020/06/18 上午 00:28
    Jeffrey
    贊同數:0
    不贊同數:0
    留言數:0

    在 

    # 2nd 

    model.add(Conv2D(64, kernel_size=(3, 3), padding='same'))

    model.add(MaxPooling2D(pool_size=(2,2),strides=(2,2)))  --> strides=(2,2)

    所以

    #3rd 會繼承


    分開執行就會是正確

  • 2020/07/08 上午 11:21
    楊哲寧
    贊同數:0
    不贊同數:0
    留言數:0

    您好,您的觀念沒錯,這裡解答跟作業不一致,我們會更新解答,謝謝!