卷积神经网络中filter数量、通道数与输出特征图大小的关系解析

1次阅读

共计 1852 个字符，预计需要花费 5 分钟才能阅读完成。

在卷积神经网络中，输出特征图的大小可以通过以下公式计算：

H_{out} = \left\lfloor \frac{H_{in} + 2 \times P - K}{S} \right\rfloor + 1

W_{out} = \left\lfloor \frac{W_{in} + 2 \times P - K}{S} \right\rfloor + 1

其中：
– H_in 和 W_in 是输入特征图的高度和宽度
– P 是填充（padding）大小
– K 是卷积核大小
– S 是步长（stride）
– H_out 和 W_out 是输出特征图的高度和宽度

而输出特征图的通道数 C_out 则直接等于 filter 的数量。

参数	TensorFlow	PyTorch
输入格式	NHWC (默认) 或 NCHW	NCHW
padding 方式	‘SAME’ 或 ‘VALID’	具体数值或 ‘same’/’valid’
权重初始化	glorot_uniform (默认)	kaiming_uniform (默认)

import tensorflow as tf

# 输入数据: batch_size=1, height=32, width=32, channels=3
input_data = tf.random.normal([1, 32, 32, 3])

# 卷积层: 64 个 filter, 3x3 kernel, stride=1, padding='SAME'
conv_layer = tf.keras.layers.Conv2D(
    filters=64,
    kernel_size=3,
    strides=1,
    padding='SAME'
)

output = conv_layer(input_data)
print(output.shape)  # 输出维度应为 (1, 32, 32, 64)

# 维度检查
assert output.shape == (1, 32, 32, 64), "维度不匹配"

import torch
import torch.nn as nn

# 输入数据: batch_size=1, channels=3, height=32, width=32
input_data = torch.randn(1, 3, 32, 32)

# 卷积层: 64 个 filter, 3x3 kernel, stride=1, padding=1
conv_layer = nn.Conv2d(
    in_channels=3,
    out_channels=64,
    kernel_size=3,
    stride=1,
    padding=1
)

output = conv_layer(input_data)
print(output.shape)  # 输出维度应为 (1, 64, 32, 32)

# 维度检查
assert output.shape == (1, 64, 32, 32), "维度不匹配"

当输入通道数与 filter 的通道数不匹配时，会出现错误。例如在 PyTorch 中：

# 错误示例: 输入通道为 3，但卷积层期望输入通道为 1
input_data = torch.randn(1, 3, 32, 32)
conv_layer = nn.Conv2d(1, 64, 3, 1, 1)  # 期望输入通道为 1

try:
    output = conv_layer(input_data)
except RuntimeError as e:
    print(f"错误信息: {e}")  # 会报错：输入通道数与权重不匹配

显存估算 ：输出特征图的总元素数为 batch_size × C_out × H_out × W_out，每个元素通常占用 4 字节（float32）。
性能优化 ：
当步长 S > 1 时，计算量会显著减少
使用 groups 参数可以实现分组卷积，减少参数量
调试工具 ：
使用 torchsummary 或 tf.keras.utils.plot_model 可视化网络结构
在 PyTorch 中可以使用 hook 来检查中间层维度