如何理解卷积核中的padding参数?

如何理解卷积核中的padding参数?

# padding,控制对原始图片填充多少个东西。能控制卷积之后的feature map的大小;

相当于对原始图像进行填充,来控制卷积之后图像的大小

image-20221028001119201

input = torch.randn(1, 15, 1, 512, 512) 
m = nn.Conv3d(15, 15, (3, 3, 3), stride=(1, 1, 1), padding=(2, 2, 2))
o1 = m(input)

image-20221028001231697


input = torch.randn(1, 15, 1, 512, 512) 
m = nn.Conv3d(15, 15, (3, 3, 3), stride=(1, 1, 1), padding=(1, 1, 1)) 
o1 = m(input)

image-20221028001254117

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
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。

余额充值