conv-neural-network - CNN 反向传播以更新过滤器
问题描述
我需要帮助来确定如何应用公式 dL/dW=dL/dO*X,其中 dL/dW 是滤波器中权重的损失梯度,dL/dO 是输出的损失梯度卷积层的,X是卷积层的输入,*是卷积运算。假设 X 的尺寸为 8x8x20,并且有 40 个尺寸为 3x3x20 的过滤器,如果应用填充为 1 且垂直和水平步长为 1 的卷积,则输出将为 8x8x40。dL/dO 将具有相同的尺寸 8x8x40 那么我如何在两个体积 8x8x20 和 8x8x40 之间应用卷积以获得 dL/dW?
解决方案
推荐阅读
- c# - C# RSA 导入公钥
- java - 将字符串列表转换为单个对象
- react-native - 如何解决“react-native-crypto-js”sha256 未定义错误
- python - 无法从节点连接读取描述符:连接到系统的设备无法使用 ChromeDriver Chrome 通过 Selenium 运行错误
- node.js - Dialogflow - setAgent() 错误,无法创建未定义的属性 createStub
- r - 型号比较
- javascript - 通过匹配对象的属性来过滤对象数组的数组
- shell - 阵列打印多次回显
- java - 带参数的动态资源处理程序
- javascript - 如何使用不同的参数多次运行一个函数,但要等到所有操作都完成后再使用 Promise 继续我的代码逻辑?