如果输入图像的像素矩阵是224像素×224像素×3，用64个规格为3×3的卷积核进行valid卷积，移动的步长为2，输出矩阵的维度是多少？再对输出矩阵进行步长为2，规格为2×2的same最大值池化，最后输出矩阵的维度是多少？
举一反三
- 如果输入图像的像素矩阵是224像素×224像素×3，用64个规格为3×3的卷积核进行same卷积，same卷积的起始点位置是多少？输出矩阵的维度是多少？再对输出矩阵进行步长2，规格为2×2的最大值池化，最后输出矩阵的维度是多少？
- 假设输入图像矩阵为X，卷积核为K。使用same卷积方式进行卷积运算，其移动步长为2，计算卷积结果。[img=555x167]17e449c035bfc68.png[/img]
- 假设输入图像矩阵为X，卷积核为K。使用valid卷积方式进行卷积运算，其移动步长为1，计算卷积结果。[img=460x124]17e449c0431f5ec.png[/img]
- 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
- 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