machine-learning - 为什么 PyTorch DQN 教程中的 CNN 卷积输出大小使用“kernel_size -1”计算？

Question

根据我的理解，一维的 CNN 输出大小是

output_size = (input_size - kernel_size + 2*padding)//stride + 1

请参阅PyTorch DQN 教程。在本教程中，它使用 0 填充，这很好。但是，它计算输出大小如下：

        def conv2d_size_out(size, kernel_size = 5, stride = 2):
            return (size - (kernel_size - 1) - 1) // stride  + 1

这是上面的错误还是我错过了什么？

score 2 · Accepted Answer

不，这不是错误，因为

size - (kernel_size - 1) - 1 = size - kernel_size + 2 * 0

用 0 作为填充
（它不是代码，它是一个对格式感到抱歉的方程）
我认为本教程使用的是官方文档中输出大小的公式，即

output_size = ((input_size + 2 * padding - dialation * (kernel_size - 1) - 1) // stride + 1

1 回答 1