2 Fragen zu Convolutional

Die Formel zur Berechnung der Ausgabegröße eines 1D-Convolutional Layers (Convolutional 1D Layer) lautet: \[ \text{Output\_size} = \left\lfloor \frac{\text{Input\_size} - \text{Kernel\_size} + 2 \times \text{Padding}}{\text{Stride}} \right\rfloor + 1 \] Hier sind die Parameter: - \(\text{Input\_size}\): Die Länge der Eingabesequenz. - \(\text{Kernel\_size}\): Die Größe des Filters (Kernels). - \(\text{Padding}\): Die Anzahl der hinzugefügten Paddings an beiden Enden der Eingabesequenz. - \(\text{Stride}\): Die Schrittweite, mit der der Filter über die Eingabesequenz bewegt wird. Beispiel: Wenn die Eingabesequenz eine Länge von 10 hat, der Kernel eine Größe von 3, das Padding 1 und die Schrittweite 1 beträgt, dann wäre die Berechnung wie folgt: \[ \text{Output\_size} = \left\lfloor \frac{10 - 3 + 2 \times 1}{1} \right\rfloor + 1 = \left\lfloor \frac{10 - 3 + 2}{1} \right\rfloor + 1 = \left\lfloor \frac{9}{1} \right\rfloor + 1 = 9 + 1 = 10 \] Die Ausgabegröße wäre also 10.

Der Output-Wert eines 1D-Convolutional Layers in einem neuronalen Netzwerk wird durch die Anwendung eines Filters (Kernels) auf die Eingabedaten berechnet. Die Formel zur Berechnung der Länge des Output-Vektors (Output-Size) lautet: \[ \text{Output-Size} = \frac{(\text{Input-Size} - \text{Kernel-Size} + 2 \times \text{Padding})}{\text{Stride}} + 1 \] Hier sind die Parameter: - **Input-Size**: Die Länge des Eingabevektors. - **Kernel-Size**: Die Länge des Filters. - **Padding**: Die Anzahl der hinzugefügten Nullen an den Rändern des Eingabevektors. - **Stride**: Die Schrittweite, mit der der Filter über den Eingabevektor bewegt wird. Beispiel: - Input-Size: 10 - Kernel-Size: 3 - Padding: 1 - Stride: 1 \[ \text{Output-Size} = \frac{(10 - 3 + 2 \times 1)}{1} + 1 = \frac{(10 - 3 + 2)}{1} + 1 = \frac{9}{1} + 1 = 10 \] In diesem Beispiel wäre die Länge des Output-Vektors 10.