深度学习 Q&A

深度学习 Q&A

1. 卷积核大小

​ 卷积核大小通常使用1，3，5，7这样的奇数，如果使用的填充大小为ph=(kh−1)/2，pw=(kw−1)/2p_h=(k_h-1)/2 ，p_w=(k_w-1)/2p**h=(kh−1)/2，pw=(k*w*−1)/2，则卷积之后图像尺寸不变。例如当卷积核大小为3时，padding大小为1，卷积之后图像尺寸不变；同理，如果卷积核大小为5，padding大小为2，也能保持图像尺寸不变。

2. 卷积层输出如何映射到全连接层上

​ 卷积层的输出特征图如何当作全连接层的输入使用呢？卷积层的输出数据格式是[N,C,H,W]，在输入全连接层的时候，会自动将数据拉平，也就是对每个样本，自动将其转化为长度为K的向量，其中K=C×H×W，一个mini-batch的数据维度变成了N×K的二维向量。