如果一个图片的维度为(32,32,3),通过一个有64个卷积核,每个卷积核大小为3×3,且填充模式为valid(不填充)的卷积层后,输入特征图的维度应为()
A: (32,32,3)
B: (32,32,64)
C: (30,30,64)
D: (30,30,3)
A: (32,32,3)
B: (32,32,64)
C: (30,30,64)
D: (30,30,3)
举一反三
- 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
- 现有一个两层的卷积神经网络,第一层是常规的卷积层,输入输出的通道数为3和64,卷积核大小为3×3;第二层是分组卷积层(group convolution layer),分为4组,输入输出通道数为64和32,卷积核大小为3×3。则该网络的参数个数为()
- 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
- 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
- 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