pytorch maxpool和卷积尺寸问题

如果输入是奇数时，输出尺寸不一致。

如果是偶数，则会一致，但是不是4的倍数，下采样时，又可能会出现不一致的情况。

padding为1时，偶数与maxpool对的上，奇数对不上

padding为0时，奇数与maxpool对的上，偶数对不上

解决：

nn.MaxPool2d(kernel_size=2,stride=2,ceil_mode=True) 与padding为1对的上

为false还是无法对的上

maxpoolpadding为1时，则偶数结果也是 /2+1

out = nn.MaxPool2d(kernel_size=2,stride=2,padding=1)

https://blog.csdn.net/jacke121/article/details/104020945

import torch
from torch import nnclass conv_bn_relu(nn.Module):

pytorch maxpool和卷积尺寸问题相关推荐

Lesson 16.5 在Pytorch中实现卷积网络（上）：卷积核、输入通道与特征图在PyTorch中实现卷积网络（中）：步长与填充
卷积神经网络是使用卷积层的一组神经网络.在一个成熟的CNN中,往往会涉及到卷积层.池化层.线性层(全连接层)以及各类激活函数.因此,在构筑卷积网络时,需从整体全部层的需求来进行考虑. 1 二维卷积层n ...
pytorch中的卷积操作详解
首先说下pytorch中的Tensor通道排列顺序是:[batch, channel, height, width] 我们常用的卷积(Conv2d)在pytorch中对应的函数是: torch.nn. ...
pytorch实现：卷积神经网络识别FashionMNIST
pytorch实现:卷积神经网络识别FashionMNIST 一.卷积神经网络 1.1 导入需要的包 1.2 图像数据准备 1.3 卷积神经网络搭建 1.4 卷积神经网络训练与预测二.空洞卷积神经网 ...
基于Pytorch的动态卷积复现
论文的题目为<Dynamic Convolution: Attention over Convolution Kernels> paper的地址https://arxiv.org/pdf/ ...
pytorch方法测试——卷积（二维）
pytorch方法测试--卷积(二维) 测试代码: import torch import torch.nn as nnm = nn.Conv2d(2, 2, 3, stride=2) input = ...
PyTorch实现基于卷积神经网络的面部表情识别
基于卷积神经网络的面部表情识别(Pytorch实现)----台大李宏毅机器学习作业3(HW3) 一.项目说明给定数据集train.csv,要求使用卷积神经网络CNN,根据每个样本的面部图片判断出其表 ...
基于pytorch使用实现CNN 如何使用pytorch构建CNN卷积神经网络
基于pytorch使用实现CNN 如何使用pytorch构建CNN卷积神经网络所用工具文件结构: 数据: 代码: 结果: 改进思路拓展本文是一个基于pytorch使用CNN在生物信息学上进行位 ...
[pytorch][stepbystep]在pytorch上实现卷积神经网路(CNN)的裁剪(purning)
利用VGG-16对Dogs-vs-Cats数据集进行训练,裁剪VGG-16可以获得3x的运算加速和4x的模型减小简介 puring神经网络是一个古老的idea,具体可以追溯到1990年(与Yann ...
（pytorch-深度学习系列）使用Pytorch实现小型卷积神经网络网络
卷积层卷积神经网络中每层卷积层(Convolutional layer)由若干卷积单元组成,每个卷积单元的参数都是通过反向传播算法最佳化得到的.卷积运算的目的是提取输入的不同特征,第一层卷积层可能只 ...

pytorch maxpool和卷积尺寸问题

pytorch maxpool和卷积尺寸问题相关推荐

最新文章

热门文章