卷积层（1D,2D,3D..反卷积）-白红宇

卷积层（1D,2D,3D..反卷积）

阅读量：3941 次

发布时间：2019-05-24

本文共 698 字，大约阅读时间需要 2 分钟。

文章目录

1d/2d/3d卷积

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。

在这里插入图片描述

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

在这里插入图片描述

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

卷积-nn.Conv2d()

在这里插入图片描述

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

尺寸计算

在这里插入图片描述

转置卷积-nn.ConvTranspose

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)

在这里插入图片描述

nn.ConvTranspose代码

在这里插入图片描述

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

尺寸计算

在这里插入图片描述

转载地址：http://ixjwi.baihongyu.com/

你可能感兴趣的文章

postgres多边形存储--解决 Points of LinearRing do not form a closed linestring