知识卡片
卷积的步幅和填充决定输出形状
在一个空间维度上,输入长度 n、两侧填充 p、核大小 k、膨胀率 d、步幅 s 时,输出长度为 floor((n+2p−d(k−1)−1)/s)+1。步幅增大常减少空间分辨率;填充决定边界处理,same 填充也须考虑步幅和框架规则。常见深度学习框架所称卷积通常实现互相关。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
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
- 卷积神经网络 · 查看原书依据
过滤器的足迹超出了图像边缘
参考来源
- 位置:《深度学习:从基础到实践(上下册)》第21章《卷积神经网络》21.3(来源项目 `extracted/深度学习:从基础到实践(上下册)/_epub-src/text/part0029_split_003.html`)
- 结论依据:过滤器的足迹超出了图像边缘。
- 原始内容:过滤器的足迹超出了图像边缘,那里没有任何输入值。当过滤器缺少一些输入时我们如何计算输出值呢? 我们有几个选择。