卷积多输入多输出

本文介绍了PyTorch中的torch.cat和torch.stack函数,前者用于合并式拼接张量,后者增加维度但不合并。例如,两个(2,2,2)张量使用cat按dim=0拼接成(4,2,2),用stack则得到(2,2,2,2)。此外,文章讨论了卷积层的输出和输入通道概念,以及1*1卷积层如何等效于线性层,通常不会改变输入输出形状。
摘要由CSDN通过智能技术生成

1.函数比较:torch.cat是合并式拼接,而torch.stack是增加维度不合并拼接,需要张量形式完全相同。比如两个(2,2,2)的,cat按照dim=0得出(4,2,2),stack得出(2,2,2,2)

2.(a,b,c,d)分别代表输出通道,输入通道,卷积形状(c,d).可以认为卷积数目就是输出通道乘以输入通道,每一行,相当于与输入图片通道相当的卷积数目,一个通道对应一个卷积,而有多少行,就是有多少组特点的卷积组成。

3.1*1卷积层相当于一个线性层。默认情况下不会改变输入输出形状。

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