深度学习中卷积与池化代码实现

最新推荐文章于 2023-02-26 16:39:07 发布

Brandon Hoo

最新推荐文章于 2023-02-26 16:39:07 发布

阅读量621

点赞数

文章标签：深度学习神经网络卷积 pytorch

本文链接：https://blog.csdn.net/Brandon_Hoo/article/details/105256481

版权

本文介绍了深度学习网络中的基本操作，重点在于卷积和池化的代码实现。详细展示了卷积操作的代码，并探讨了池化操作，包括最大值池化和平均池化，帮助读者通过实践理解这两种关键的神经网络运算。

摘要由CSDN通过智能技术生成

深度学习网络中基本操作代码实现

1 卷积操作

代码实现卷积操作

import torch
import torch.nn as nn
def MyCon2D(X,K):
    h,w=K.shape
    Y=torch.zeros((X.shape[0]-h+1,X.shape[1]-w+1)) #定义输出的大小
    for i in range(Y.shape[0]):
        for j in range(Y.shape[1]):

最低0.47元/天解锁文章

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

Brandon Hoo

关注关注

0
点赞
踩
1

收藏

觉得还不错? 一键收藏
0
评论
深度学习中卷积与池化代码实现

深度学习网络中基本操作代码实现1 卷积操作代码实现卷积操作import torchimport torch.nn as nndef MyCon2D(X,K): h,w=K.shape Y=torch.zeros((X.shape[0]-h+1,X.shape[1]-w+1)) #定义输出的大小 for i in range(Y.shape[0]): ...
复制链接

扫一扫