2D 3D 多通道卷积及pytorch实现
很多人容易混淆2D卷积和3D卷积的概念,把多通道的2D卷积当成3D卷积,本文展示了一种直观理解2D卷积和3D卷积的方式。2D卷积单通道首先了解什么是卷积核,卷积核(filter)是由一组参数构成的张量,卷积核相当于权值,图像相当于输入量,卷积的操作就是根据卷积核对这些输入量进行加权求和。我们通常用卷积来提取图像的特征。直观理解如下:下图使用的是 3x3卷积核(height x width,简写H × W H \times WH×W) 的卷积,padding为1(周围的虚线部分,卷积时为了使卷积后
转载
2021-10-12 14:31:18 ·
4155 阅读 ·
0 评论