为什么 PyTorch DQN 教程中的 CNN 卷积输出大小是用“kernel_size -1”计算的?
Why is CNN convolution output size in PyTorch DQN tutorial computed with `kernel_size -1`?
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
参考PyTorch DQN Tutorial。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
是上面的错误还是我遗漏了什么?
不,这不是错误,因为
size - (kernel_size - 1) - 1 = size - kernel_size + 2 * 0
以 0 作为填充
(这不是代码,它是一个等式,很抱歉格式化)
我认为教程使用的是官方文档中输出大小的公式
output_size = ((input_size + 2 * padding - dialation * (kernel_size - 1) - 1) // stride + 1
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
参考PyTorch DQN Tutorial。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
是上面的错误还是我遗漏了什么?
不,这不是错误,因为
size - (kernel_size - 1) - 1 = size - kernel_size + 2 * 0
以 0 作为填充
(这不是代码,它是一个等式,很抱歉格式化)
我认为教程使用的是官方文档中输出大小的公式
output_size = ((input_size + 2 * padding - dialation * (kernel_size - 1) - 1) // stride + 1