网校 039 网站建设多少钱,优化公司网站排名,制作代码,大连成品网站建设多通道输入 当输入的数据包含多个通道时#xff0c;我们需要构造一个与输入通道数相同通道数的卷积核#xff0c;从而能够和输入数据做卷积运算。 假设输入的形状为n∗n#xff0c;通道数为ci#xff0c;卷积核的形状为f∗f#xff0c;此时#xff0c;每一个输入通道都…多通道输入 当输入的数据包含多个通道时我们需要构造一个与输入通道数相同通道数的卷积核从而能够和输入数据做卷积运算。 假设输入的形状为n∗n通道数为ci卷积核的形状为f∗f此时每一个输入通道都应该分配一个形状为f∗f的卷积核所以卷积核的形状可以表示为ci∗f∗f。 从上图的实例中可以看出多通道输入的计算方法就是单独计算每个通道中卷积的结果再将不同通道得到的结果对应相加到一个通道得到输出的结果。
多通道输出 当输入通道有多个时我们增加了卷积核的通道数并对结果进行了累加这样不论输入通道数为多少输出通道数都为1。所以如果我们需要增加输出的通道就可以增加多个多通道的卷积核每一个多通道的卷积核可以获得一个通道的输出这样就可以获得多通道输出了。 假设卷积核的输入通道数和输出通道数分别为ci和co如果想要得到含多个通道的的输出我们可以为每个输出分别创建一个形状为ci∗f∗f的卷积核然后在输出通道上将结果连接起来就可以得到多通道的输出最终卷积核的形状就是co∗ci∗f∗f。
如何调用 Pytorch 中的多通道输入和输出 nn.Conv2d()中的参数in_channelsout_channels就是用于控制卷积层的输入通道数和输出通道数。
nn.Conv2d(1, 6, 5) # in_channels, out_channels, kernel_size 上方这个示例中就定义了最简单的卷积层其中in_channels1out_channels6。习题 因为输出ci输入co分别为3、10所以卷积核的深度为3x10卷积核的w和h需要根据步幅和填充确定。已知输入输出形状wh不变由公式 (n-f2p)/s1 n 得到24 - 3 1*2/1 1 24 与c选项一致
