pytorch learning 05
卷积神经网络 二维互相关cross-correlation: 输入:一个二维数组+一个卷积核(filter) 图示: 二维卷积层: nn.Conv2d(in_channels, out_channels, kernel_size, stride, padding) 输入与卷积核做互相关运算,并加上一个标量偏置来得到输出。 模型参数:卷积核+偏置 卷积运算: 将核数组上下翻转、左右翻转,再与输入数组做互相关运算,这个过程就是卷积运算。 因为卷积层的核数组是可学习的,所以这两个运算没有区别(学出来的数组就是翻转后的)。 特征图和感受野: 二维卷积层输出的二维数组可以看作是输入在空间维度(宽和高
用户评论