0
A
回答
1
一种方法是考虑可以从6 x 6 x 3矩形棱镜切割并抓取多少个3 x 3 x 3的立方体。
另外,让我们来简化问题。
假设您有2 x 2输入图像补丁,并且您想要进行2 x 2卷积。有多少种方法可以适合2 x 2卷积输入图像斑点= 1 x 1(1 x方向,1 y方向)
让我们扩展它:4 x 2输入图像,2 x 2 conv。独特的卷积计数= 3 x 1(x方向3个,y方向1个)
让我们对其进行扩展:4 x 4输入图像,2 x 2 conv。独特的卷积计数= 3 x 3
让我们对其进行扩展:4 x 4 x 2输入图像,2 x 2 x 2 conv。独特的卷积计数= 3 x 3 x 1
让我们来扩展它:6 x 6 x 3输入图像,3 x 3 x 3 conv。独特的卷积计数= 4 x 4 x 1
1
当您应用卷积时,它将在内核权重的输出上乘以输入值进行求和。在这种情况下,你没有对输入进行任何填充,这意味着你只输出完全定义的值。如果您将输入的维数设为(x,y,z),则可以看到您的内核在x和y维度较小,但在z维度上相等。这意味着你可以在x和y方向上滑动内核,为每个位置产生一个输出,但是在z方向无处滑动,所以它只产生一个输出(这是所有通道之和)。
相关问题
- 1. 卷积神经网络
- 2. 为什么卷积滤波器在卷积神经网络中翻转?
- 3. 为什么要对卷积神经网络进行预训练
- 4. float16 VS FLOAT32卷积神经网络
- 5. 运行训练卷积神经网络
- 6. 卷积神经网络的正确架构是什么?
- 7. 这是在普通卷积神经网络中进行的基本卷积吗?
- 8. 卷积神经网络中的滤波器如何生成多个通道?
- 9. 为什么卷积神经网络的输入总是平方的图像?
- 10. 为什么辍学会阻止卷积神经网络的收敛?
- 11. 为卷积神经网络准备数据集
- 12. 为卷积神经网络选择训练图像
- 13. 卷积神经网络预测一个类别的概率
- 14. 如何建立一个多类卷积神经网络Keras
- 15. 号卷积网络输入通道的
- 16. 在特征提取中实现卷积神经网络
- 17. 如何在新数据上运行卷积神经网络
- 18. 卷积神经网络中并行和顺序卷积之间的区别
- 19. 端到端时尚卷积神经网络(CNN)的含义是什么?
- 20. 训练卷积神经网络识别车号牌
- 21. 用于卷积神经网络的字嵌入
- 22. 卷积神经网络中权重和输出的值
- 23. 卷积神经网络不分类测试集keras
- 24. 3D卷积神经网络输入形状
- 25. Haar级联方法vs卷积神经网络?
- 26. 卷积神经网络Conv1d输入形状
- 27. 处理图像将数据输入到卷积神经网络
- 28. 用于实现卷积神经网络的Keras
- 29. 卷积神经网络的逼近能力如何?
- 30. 使用卷积神经网络产生音频