PyTorch 中卷积的输出维度

【问题标题】：Output Dimensions of convolution in PyTorchPyTorch 中卷积的输出维度
【发布时间】：2022-01-10 20:03:12
【问题描述】：

我的输入图片大小为68 x 224 x 3 (HxWxC)，第一个Conv2d层定义为

conv1 = torch.nn.Conv2d(3, 16, stride=4, kernel_size=(9,9)).

为什么输出特征体积的大小是 16 x 15 x 54？我知道有16个过滤器，所以前面有16个，但是如果我使用[(W−K+2P)/S]+1来计算尺寸，尺寸是不可整除的。

谁能解释一下？

【问题讨论】：

【解决方案1】：

特征图的计算是[(W−K+2P)/S]+1，这里[]括号表示楼层划分。在您的示例中，填充为zero，因此计算为[(68-9+2*0)/4]+1 ->[14.75]=14 -> [14.75]+1 = 15 和[(224-9+2*0)/4]+1 -> [53.75]=53 -> [53.75]+1 = 54。

import torch

conv1 = torch.nn.Conv2d(3, 16, stride=4, kernel_size=(9,9))
input = torch.rand(1, 3, 68, 224)

print(conv1(input).shape)
# torch.Size([1, 16, 15, 54])

您也可能会看到不同的公式来计算特征图。

在 PyTorch 中：

一般来说，您可能会看到：

但是两种情况的结果是一样的

【讨论】：