假设将规格为（H，W，C）=（64，64，16）的特征图先后输入卷积核大小为5×5的卷积层、2×2的MaxPooling层。卷积操作过程中，不进行边界补零操作，则输出特征图的H=（）
举一反三
- 假设某卷积层的输入和输出特征图大小分别为63*63*16和31*31*64，卷积核大小是5*5，步长为2，那么Padding值为多少？ A: 1 B: 2 C: 3 D: 4
- 在卷积神经网络LeNet-5的卷积层C3得到的特征图为16个，上一层的特征图为6个。则关于这一卷积过程的描述错误的是[img=658x440]1803b2fa207fe99.png[/img] A: C3卷积层中每个特征图只与上一层S2中部分特征图相连接 B: C3卷积层采用多通道16核卷积 C: C3卷积层有16个卷积核，其大小均为5*5，且每个卷积核与上一层的若干特征图相连接 D: C3卷积层有16个卷积核，其大小均为5*5，且每个卷积核与上一层的全部特征图相连接
- 假设某卷积层的输入和输出特征图大小分别为63*63*6和31*31*12，卷积核大小是5*5，步长为2，那么Padding值为多少？ A: 1 B: 2 C: 3 D: 4
- 在卷积神经网络计算中，已知输入特征层大小为32x32x64, 使用标准卷积计算，带偏置项，卷积核大小为3*3，输出特征层数目为64，请问卷积层的参数个数为？ A: 576 B: 36928 C: 640 D: 36864
- 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