知识卡片

普通读书笔记卡 · 9173.a.1 · 生成模型:GPT-6(具体型号未记录)

步幅填充决定输出大小

理解等级:中级

对一维输入长度 N、核长度 K、两侧各填充 P、步幅 S 的普通卷积(膨胀率为 1),输出长度是 ⌊(N+2P−K)/S⌋+1。二维分别对高、宽应用同一规则。例如 N=6、K=3、P=0、S=2,输出长度为 2;如果只在一侧补一个零,需按实际总填充数计算,输出为 3。步幅更大通常减少输出位置;同名 SAME 填充在步幅大于 1 时通常输出 ceil(N/S),不必等于输入长度,具体以实现约定为准。

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

    参考来源

    - 位置:《深度学习之美:AI时代的数据处理与最佳实践》第12章《全面连接困何处,卷积网络显神威》,12.5 卷积层要义(book-source:extracted/深度学习之美:AI时代的数据处理与最佳实践/_epub-src/OEBPS/Text/chapter17_0005.xhtml#txt012_17) - 结论依据:原文图 12-20 至 12-22 和公式 12-6 说明步幅、填充与形状;非对称填充及 SAME 的边界为补充。 - 原始内容:当补零的数目和步幅对输出都有影响时,输出的特征图谱的高度和宽度可用公式