深度之眼PyTorch训练营第二期 ---7、nn网络层--卷积层

牧云@^-^@ 提交于 2019-12-03 22:43:10

  

一、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。

 

卷积过程类似于用一个模板去图像上寻找与他相似的区域,与卷积核模式越相似,激活值越高,从而实现特征提取

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

 

二、卷积-nn.Conv2d

  • 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:空调卷积大小
    •   groups:分组卷积设置
    •   bias:偏置
  • 尺寸计算:
    •   简化版:
    •   完整版:

三、转置卷积-nn.ConvTranspose

转置卷积又称反卷积和部分跨越卷积,用于对图像进行上采样。

  • 为什么成为转置卷积?
    •   正常卷积:假设图像尺寸为4*4,卷积核为3*3,padding=0,stride=1

          图像:I16*1,卷积核:K16*4,输出:O16*1 = K16*4 * I4*1

    •   转置卷积:假设图像尺寸为2*2,卷积核为3*3,padding=0,stride=1 

                                    图像:I4*1  卷积核:K16*4 输出:O16*1 = K16*4 * I4*1

  

易学教程内所有资源均来自网络或用户发布的内容,如有违反法律规定的内容欢迎反馈
该文章没有解决你所遇到的问题?点击提问,说说你的问题,让更多的人一起探讨吧!