卷积层以及池化层的输出维度

在学习tensorflow时,总是对各种各样的参数烦的死去活来,尤其是卷积核的长宽高步长什么的,特别“迷人”。因此本人搜索了很多的资料,进行了综合,并加上了自己的理解,供大家学习参考。

一、输入的四个维度

1)batch_size:说白了,就是图片的个数。

2)height/weight:图片的高和宽。

3)channels:图片的通道数,黑白照片就是1,RGB就是3。

例如我们的输入是X =【333,28,28,3】,则代表我们有333个宽和高都是28的黑白照片(单通道照片)。

二、卷积核的四个维度

1)height/weight:卷积核矩阵的维度

2)inchannels:与输入的通道数相等。如何理解这个参数的意思呢?这个参数代表的是我们所操作的图像的通道数。例如,我们有上例的X的通道数为3,那这个inchannels也是3。我们要做的是,将这个卷积核分别与图片A的三个通道卷积,相加作为输出。

3)outchannel:输出的特征数。这个参数是自己选定的。

  • 4
    点赞
  • 37
    收藏
    觉得还不错? 一键收藏
  • 3
    评论
评论 3
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