本文共 698 字,大约阅读时间需要 2 分钟。
卷积运算:卷积核在输入信号(图像)上滑动,相应位置上进行乘加 卷积核:又称为滤波器,过滤器,可认为是某种模式,某种特征。
卷积过程类似于用一个模版去图像上寻找与它相似的区域,与卷积核模式越相似,激活值越高,从而实现特征提取
AlexNet卷积核可视化,发现卷积核学习到的是边缘,条纹,色彩这一些细节模式
卷积维度:一般情况下,卷积核在几个维度上滑动,就是几维卷积
nn.Conv2d 功能:对多个二维信号进行二维卷积 主要参数: • in_channels:输入通道数 • out_channels:输出通道数,等价于卷积核个数 • kernel_size:卷积核尺寸 • stride:步长 • padding :填充个数 • dilation:空洞卷积大小 • groups:分组卷积设置 • bias:偏置
转置卷积又称为反卷积(Deconvolution)和部分跨越卷积(Fractionally-strided Convolution) ,用于对图像进行上采样(UpSample)
nn.ConvTranspose2d
功能:转置卷积实现上采样 主要参数: • in_channels:输入通道数 • out_channels:输出通道数 • kernel_size:卷积核尺寸 • stride:步长 • padding :填充个数 • dilation:空洞卷积大小 • groups:分组卷积设置 • bias:偏置转载地址:http://ixjwi.baihongyu.com/