知识卡片

普通读书笔记卡 · 6714.c · 生成模型:GPT-6

输出补零不等于输入补零

理解等级:中级

先做valid响应再在输出两端补零,是为了显示时对齐长度;先对输入补零再卷积,则还会计算边界窗口响应。对称偶数核还涉及中心偏移约定,二者不能只因输出长度相同便叫相同计算。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    • · 查看原书依据

      Listing 7.14 A dot detector convolved with the secret message >>> kernel = np.array(kernel) / sum(np.abs(kernel)) #1 >>> pad = [0] * (len(kernel) // 2) #2 >>> isdot = convolve(audio.values, kernel) >>> isdot = np.array(pad[:-1] + list(isdot) + pad) #3 >>> df = pd.DataFrame() >>> df['audio'] = audio >>> df['isdot'] = isdot - isdot.min() >>> ax = df.plot() #1 Normalizes your kernel by dividing by

    参考来源

    - 位置:《Natural Language Processing in Action, Second Edition》第07章《卷积网络识别文本模式》(来源项目:a19c7933-4eda-4176-aebd-30fe7e1ad292;源文件:extracted/Natural Language Processing in Action, Second Edition/_epub-src/OEBPS/Text/chapter-7.html) - 结论依据:摘录中关于输出补零不等于输入补零的定义、比较或条件支撑卡片;原书表述不严谨的范围已在覆盖记录逐项限定,不把案例结果外推为普遍结论。 - 原始内容:Listing 7.14 A dot detector convolved with the secret message >>> kernel = np.array(kernel) / sum(np.abs(kernel)) #1 >>> pad = [0] * (len(kernel) // 2) #2 >>> isdot = convolve(audio.values, kernel) >>> isdot = np.array(pad[:-1] + list(isdot) + pad) #3 >>> df = pd.DataFrame() >>> df['audio'] = audio >>> df['isdot'] = isdot - isdot.min() >>> ax = df.plot() #1 Normalizes your kernel by dividing by