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