卷積層的輸出形狀由輸入形狀、卷積核視窗形狀、填充和步幅決定。
1. 當沒有填充且步幅為1時
假設輸入形狀是nh×nw,卷積核視窗形狀是kh×kw
輸出形狀為:
2.當有填充且步幅為1時
假設輸入形狀是nh×nw,卷積核視窗形狀是kh×kw,在高的兩側一共填充ph行,在寬的兩側一共填充pw列
輸出形狀為:
3.當有填充且步幅不為1時
假設輸入形狀是nh×nw,卷積核視窗形狀是kh×kw,在高的兩側一共填充ph行,在寬的兩側一共填充pw列,當高上步幅為sh,寬上步幅為sw時
輸出形狀為:
特別的,當輸入的高和寬能分別被高和寬上的步幅整除,那麼輸出形狀將是:
卷積神經網路 有趣的卷積神經網路
一 前言 最近一直在研究深度學習,聯想起之前所學,感嘆數學是一門樸素而神奇的科學。f g m1 m2 r 萬有引力描述了宇宙星河運轉的規律,e mc 描述了恆星發光的奧秘,v h d哈勃定律描述了宇宙膨脹的奧秘,自然界的大部分現象和規律都可以用數學函式來描述,也就是可以求得乙個函式。神經網路 簡單又...
神經網路 卷積神經網路
這篇卷積神經網路是前面介紹的多層神經網路的進一步深入,它將深度學習的思想引入到了神經網路當中,通過卷積運算來由淺入深的提取影象的不同層次的特徵,而利用神經網路的訓練過程讓整個網路自動調節卷積核的引數,從而無監督的產生了最適合的分類特徵。這個概括可能有點抽象,我盡量在下面描述細緻一些,但如果要更深入了...
神經網路 卷積神經網路
1.卷積神經網路概覽 來自吳恩達課上一張,通過對應位置相乘求和,我們從左邊矩陣得到了右邊矩陣,邊緣是白色寬條,當畫素大一些時候,邊緣就會變細。觀察卷積核,左邊一列權重高,右邊一列權重低。輸入,左邊的部分明亮,右邊的部分灰暗。這個學到的邊緣是權重大的寬條 都是30 表示是由亮向暗過渡,下面這個圖左邊暗...