Python深度學(xué)習(xí)pytorch神經(jīng)網(wǎng)絡(luò)填充和步幅的理解

上圖中,輸入的高度和寬度都為3,卷積核的高度和寬度都為2,生成的輸出表征的維度為 2 × 2 2\times2 2×2。從上圖可看出卷積的輸出形狀取決于輸入形狀和卷積核的形狀。
填充
以上面的圖為例,在應(yīng)用多層卷積時,我們常常丟失邊緣像素。
解決這個問題的簡單方法即為填充(padding):在輸入圖像的邊界填充元素(通常填充元素是0)。
例如,在上圖中我們將 3 × 3 3\times3 3×3輸入填充到 5 × 5 5\times5 5×5,那么它的輸出就增加為 4 × 4 4\times4 4×4。變換如下圖所示:

步幅
在計算互相關(guān)時,卷積窗口從輸入張量的左上角開始,向下和向右滑動。在前面的例子中,我們默認每次滑動一個元素。但是,有時候為了高效計算或是縮減采樣次數(shù),卷積窗口可以跳過中間位置,每次滑動多個元素。
我們將每次滑動元素的數(shù)量稱為步幅(stride)。下圖展現(xiàn)的是垂直步幅為3,水平步幅為2的二維互相關(guān)運算。

以上就是Python深度學(xué)習(xí)pytorch神經(jīng)網(wǎng)絡(luò)填充和步幅的理解的詳細內(nèi)容,更多關(guān)于pytorch神經(jīng)網(wǎng)絡(luò)填充和步幅的資料請關(guān)注腳本之家其它相關(guān)文章!
- Python深度學(xué)習(xí)pytorch神經(jīng)網(wǎng)絡(luò)多層感知機簡潔實現(xiàn)
- Python深度學(xué)習(xí)pytorch神經(jīng)網(wǎng)絡(luò)Dropout應(yīng)用詳解解
- Python深度學(xué)習(xí)pytorch神經(jīng)網(wǎng)絡(luò)圖像卷積運算詳解
- Python深度學(xué)習(xí)pytorch神經(jīng)網(wǎng)絡(luò)多輸入多輸出通道
- Python深度學(xué)習(xí)pytorch神經(jīng)網(wǎng)絡(luò)匯聚層理解
- Python Pytorch深度學(xué)習(xí)之神經(jīng)網(wǎng)絡(luò)
相關(guān)文章
詳解Django中CBV(Class Base Views)模型源碼分析
這篇文章主要介紹了詳解Django中CBV(Class Base Views)模型源碼分析,小編覺得挺不錯的,現(xiàn)在分享給大家,也給大家做個參考。一起跟隨小編過來看看吧2019-02-02
python gui開發(fā)——制作抖音無水印視頻下載工具(附源碼)
這篇文章主要介紹了python gui開發(fā)——制作抖音無水印視頻下載工具(附源碼)的相關(guān)資料,幫助大家更好的理解和學(xué)習(xí)使用python,感興趣的朋友可以了解下2021-02-02
pandas數(shù)據(jù)清洗,排序,索引設(shè)置,數(shù)據(jù)選取方法
下面小編就為大家分享一篇pandas數(shù)據(jù)清洗,排序,索引設(shè)置,數(shù)據(jù)選取方法,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧2018-05-05
PyTorch搭建LSTM實現(xiàn)時間序列負荷預(yù)測
這篇文章主要為大家介紹了PyTorch搭建LSTM實現(xiàn)時間序列負荷預(yù)測,有需要的朋友可以借鑒參考下,希望能夠有所幫助,祝大家多多進步,早日升職加薪2022-05-05

