关于#深度学习#的问题：看b站刘二大人的深度学习视频，CNN这里代码没有理解

Question

学生党还在学习中，看b站刘二大人的深度学习视频，看到卷积神经网络这里有问题没太懂，前来请教问题。

#1.prepare dataset
train_dataset = datasets.MNIST(root='../dataset/minst/', train=True, download=True, transform=transforms)
train_loader = DataLoader(train_dataset, batch_size=batch_size, shuffle=True, num_workers=2)
test_dataset = datasets.MNIST(root='../dataset/minst/', train=True, download=True, transform=transforms)
test_loader = DataLoader(test_dataset, batch_size=batch_size, shuffle=True, num_workers=2)
#2. use model by class
class Net(torch.nn.Module):
    def __init__(self):
        super(Net, self).__init__()
        #MNIST 默认 1*28*28
        self.conv1 = torch.nn.Conv2d(1, 10, kernel_size=5) #5*5的卷积核 5/2=2 一次少2圈 2*2=4 图像少4 10*24*24
        self.conv2 = torch.nn.Conv2d(10, 20, kernel_size=5)
        self.pooling = torch.nn.MaxPool2d(2)  # Maxpool就像sigmoid一样 内不包含权重 同一层实例一个就行，包含w的代码需要单独实例
        self.fc = torch.nn.Linear(320, 10)  #320是 20*4*4的结果，可是我咋没理解20*4*4怎么变过来的  ?

上述代码，MNIST默认大小是1×28×28，通过第一次conv1卷积，图像大小变为10×24×24，然后执行conv2的第二次卷积，图像大小应该变成是20×20×20,再池化图小大小变为原来的1/2，也就是20×10×10，我看代码结合自己的理解就是这样
但是原视频中讲的过程最后是这样的，图像变成20×4×4

求解，问题就是这样啦，没理解卷积过程的图像大小变化
怎么代码的操作过程和视频中的不一样呢 我看代码的顺序是做了两次卷积，而视频里的是卷积了一次后池化再卷积

Answer 1

【相关推荐】

• 这有个类似的问题, 你可以参考下: https://ask.csdn.net/questions/268230

如果你已经解决了该问题, 非常希望你能够分享一下解决方案, 写成博客, 将相关链接放在评论区, 以帮助更多的人 ^-^