本文介绍了深度学习中两种常用的卷积核：1x1和3x3。1x1卷积核通过改变深度维度实现特征的减少或增加，可用于替代全连接层。3x3卷积核是使用最广泛的，尤其在VGG网络中。1x1卷积在CNN尾部时可作为回归层，3x3则提供更广泛的局部信息捕获。
Backto DL Index
列举几个常用的卷积核
conv: k(1,1) 经常出现，乍一看无用，其实非常巧妙。如果仅从二维(H, W)考虑，确实无用。但实际上，在 CNN 中，必然还有着潜藏的维度 – 深度/Channels ©。这才是 1x1 起作用的地方： feature dimension reduction/increation。按照 PyTorch 中 (N, C, H, W) 的顺序，N=1 忽略， D i n p u t = ( C , H , W ) D_{input} = (C, H, W) Dinput
1178
100
1317
1万+
761
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
最低0.47元/天 解锁文章
扫一扫
