1.多输入单输出:
方法: 累加
2.多输入多输出:
方法: 多加一个channel
底层会识别纹理等基础信息,上层会将底层信息按照网络训练好的权重组合起来。
-
1*1卷积
不会识别图像信息,而是融合信息 相当于全连接层
(图中输入通道数为3 输出通道数为2 方法为卷积核多加了一个channel 因为有两个卷积核,所以输出通道数变为2) -
整个流程
-
QA
padding 很多 0 不影响模型性能 ,但padding太多0会影响计算性能
1.多输入单输出:
方法: 累加
2.多输入多输出:
方法: 多加一个channel
底层会识别纹理等基础信息,上层会将底层信息按照网络训练好的权重组合起来。
1*1卷积
不会识别图像信息,而是融合信息 相当于全连接层
(图中输入通道数为3 输出通道数为2 方法为卷积核多加了一个channel 因为有两个卷积核,所以输出通道数变为2)
整个流程
QA
padding 很多 0 不影响模型性能 ,但padding太多0会影响计算性能