设输入图像的维度为32×32×3，若存在1个尺度为5×5的卷积核，其步长stride=2，则卷积运算之后的特征图[br][/br]的深度为（）。
A: 1
B: 3
C: 5
D: 32
A: 1
B: 3
C: 5
D: 32
举一反三
- 对于65x65x6的输入特征图，用32个5*5的卷积核（过滤器）进行卷积，步幅为2，padding值为2，得到的特征图大小是哪个？ A: 33*33*32 B: 32*32*32 C: 65*65*12 D: 32*32*5
- 将一张32*32大小的图片输入一个卷积神经网络，经过一层卷积层（卷积核大小为5*5，步长为1，非全零填充）和一层池化层（池化核大小为2*2，步长为2，全零填充）之后输出的图片尺寸为多少？? 7|14|16|32
- 假设某卷积层的输入特征图大小为36*32*6，卷积核大小是5*3，通道为20个，步长为1，没有padding，那么得到的特征图大小为？ A: 32*30*20 B: 27*30*20 C: 32*28*6 D: 36*34*20
- 设特征图的尺度为32×32×10，若卷积核的尺度为4×4×10，步长stride=2，填充padding=2，则该层的参数[br][/br]个数是多少（忽略偏置项）。 A: 32×32×10×4×4×10=1638400 B: 4×4×10=160 C: (32+2×2-4)/2+1=17 D: ((4+2)×(4+2)+2×2)×10=400
- 已知两层3×3的卷积核与一层5×5的卷积核具有相同的感受野，那么前者（3×3）和后者（5×5）的参数量和计算量是什么关系（特征图尺寸为32）？