如何计算卷积输出的深度?

如何获得卷积输出中的特征图数量(深度 H)

我认为H = D * 滤波器数量!!

enter image description here

图片来源


回答:

H 可以自由选择。它不依赖于任何其他参数。

每个 H “特征图” 将由不同的 k x k x D 核生成。这通常被描述为一个形状为 H x k x k x D 的单一 4D 核。

在源文本中,它表达了相同的意思,但可能更清晰:

输入大小为 N x N x D,并与 H 个核进行卷积,每个核的大小为 k x k x D,分别进行卷积。输入与一个核的卷积产生一个输出特征,与 H 个核独立卷积产生 H 个特征。

术语起初可能令人困惑,因为同一个事物有多个术语。H 可以被称为核的数量滤波器的数量输出特征的数量滤波器图的数量

Related Posts

L1-L2正则化的不同系数

我想对网络的权重同时应用L1和L2正则化。然而,我找不…

使用scikit-learn的无监督方法将列表分类成不同组别,有没有办法?

我有一系列实例,每个实例都有一份列表,代表它所遵循的不…

f1_score metric in lightgbm

我想使用自定义指标f1_score来训练一个lgb模型…

通过相关系数矩阵进行特征选择

我在测试不同的算法时,如逻辑回归、高斯朴素贝叶斯、随机…

可以将机器学习库用于流式输入和输出吗?

已关闭。此问题需要更加聚焦。目前不接受回答。 想要改进…

在TensorFlow中,queue.dequeue_up_to()方法的用途是什么?

我对这个方法感到非常困惑,特别是当我发现这个令人费解的…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注