tensorflow - 输入特征到特征图
问题描述
任何人都可以向我解释这个基本的事情,即如何使用 1x1 转换映射将 192x28x28 输入图像缩减为 16x28x28 特征图。我的问题是关于当 192 到 16 时究竟会发生什么的理解?
我知道 ((I-2P-F)/S)+1,但是在减少深度的过程中会发生什么。
解决方案
1x1 卷积将整个 192*28*28 的输入图像(可以读取为28px * 28px
像素图像的 192 个特征图)压缩成单个 1*28*28 的图像。到目前为止,它将“特征图轴”中的深度减少到 1,同时保留原始图像的高度和宽度。
但是……为什么你得到16?在卷积层中,您可以有不同的内核。基本上每个内核都是一个大小相同的独立过滤器。在你的情况下,你的 1x1 Conv 层默认有 16 个内核,因此你得到 16 个 28*28 图像(每个内核一个)。
推荐阅读
- c++ - QT 用比 SLOT 更少的参数连接一个 SIGNAL
- java - 将 URL 转换为路径而不抛出异常
- c - 检索 .rodata 和 .rodata1 中的偏移量、字符串和虚拟地址
- xaml - Xamarin 按平台形成 FontSize
- ios - 为什么这个 UIViewController 方法 swizzling 不起作用?
- android - 我应该如何将通知渠道分配给我现有的 Firebase 通知类?
- python - fleiss kappa 是一个可靠的注释者间协议衡量标准吗?以下结果让我感到困惑,使用它时是否有任何涉及的假设?
- c++ - 我想通过 C++ 读取存储在我的 RAM(字)中的所有数据吗?我做错了什么?
- r - 如何在 R 中绘制双变量分布的密度图?
- c++ - 如何从向量中删除所需的字符串
?