实施 CNN - 但图表是俄语

implementing CNN - but graph is in russian

所以通过 google 翻译我想通了

现在我的问题是 大小为 22x256 的图像结果为 6x256 并带有 5 个过滤器? 我在 6x256 中发现的过滤器大小(内核)是 [17,1] 和 1 个过滤器。从第 1 层到第 1 层,内核大小为 [1,8],步幅为 [1,8] 是我发现的工作方式。不过,这在这张图表上看起来一点都不像。

在论文中,他们写了关于 1 和 2 之间的层的内容

"The second layer allows to reduce the dimensionality of the signal in time, producing a weighted average of the signal over 16 values"

Here清楚地解释了输入的大小如何随着层之间的处理而变化。

在输入中,您提供的尺寸为 28 宽和 28 高,深度为 1。对于第 1 层中的过滤器,过滤器的深度尺寸必须等于输入的深度。所以过滤器的维度将为 5x5x1,应用一个过滤器,维度会减少(由于步幅)以产生 14x14x1 维度的激活图,因此应用 32 个这样的过滤器将为您提供 32 个激活图。结合所有这些 14x14x32 是第 1 层的输出并输入到第二层。再次在第二层中,您需要在该层上应用尺寸为 5(width)x5(height)x32(depth) 的过滤器以生成一个 14x14x1 的激活图,堆叠所有 64 个激活图可为您提供第二层的输出尺寸14x14x64 等等。

在您发布的图中,在表示上看起来非常不同。检查你的语言的标准。

我问作者: 他们告诉我他们使用的是一维 CNN。 这意味着第一个数字是深度,第二个数字是宽度:

深度@宽度。