0

例如，FC 层（L.Linear）需要 input_size 和 output_size ，但这只是为 FC 中的权重矩阵设置的。但是输入图像大小可以是任意的，如何控制限制输入图像大小或输入其他特征大小？

4

2 回答 2

1

我制作了一个新的池函数来考虑 Chainer 中的特定输出形状：

# pooling_func : F.max_pooling_2d or F.average_pooling_2d
def output_shape_pooling(self, x,output_size , pooling_func):
       input_size  = x.shape[-1]
       stride = input_size // output_size
       k_size = input_size - (output_size -1 ) * stride
       x      = pooling_func(x , stride=stride,ksize=k_size)
       return x
于 2019-08-22T03:39:16.760 回答
0

线性链接可以定义为两种方式

  1. 显式指定 input_size 

    l1 = L.Linear(input_size, output_size)

  2. 推断输入大小

    l1 = L.Linear(None, output_size)
# Following code works same way, from chainer v2
# l1 = L.Linear(output_size)

当使用第二种方法时，输入大小在第一次前向计算时自动确定（并创建权重矩阵），并且该输入大小在前向计算后固定。

在您的情况下，您是否在卷积层之后使用 FC 层（这是 CNN 中图像分类网络的常见结构）？在这种情况下，我猜图像大小应该始终与第一次前向计算相同（除非图像大小被全局池等忽略）。我是否正确理解了您的问题？

于 2017-09-24T03:36:13.627 回答