NNDL 作业7：第五章课后题（1×1 卷积核 | CNN BP）

最新推荐文章于 2024-05-20 19:08:38 发布

VIP文章 Guo_weiqi

最新推荐文章于 2024-05-20 19:08:38 发布

阅读量113

点赞数 1

文章标签： cnn 人工智能神经网络

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/Guo_weiqi/article/details/127605610

版权

首先，宽卷积定义为，其中表示宽卷积运算，我们不妨先设一个二维图像和一个二维卷积核,然后对该二维图像X进行零填充，两端各补U-1 和V-1 个零，得到全填充的图像

现有

$y_{ij}=\sum^m_{u=1}\sum^n_{v=1}w_{uv}\cdot x_{i+u-1,j+v-1}$

根据宽卷积定义

$y_{ij}=\sum^m_{n=1-(m-1)}\sum^n_{v=1-(n-1)}w_{uv}\cdot x_{i+u-1,j+v-1}$

为了让x的下标形式和w的进行对换，进行变量替换

$s=i-u+1, t=j-v+1$

令, 故

则 $y_{ij}=\sum^{i-1+m}_{s=i+1-m}\sum^{j-1+n}_{t=j+1-n}x_{st}\cdot w_{s-i+1,t-j+1}$

已知 $i \in [1,M]J,J \in [1,N]$

因此对于

最低0.47元/天解锁文章

关注

1
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
NNDL 作业7：第五章课后题（1×1 卷积核 | CNN BP）

NNDL 作业7：第五章课后题（1×1 卷积核 | CNN BP）
复制链接

扫一扫

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。