qq_49785839的博客

卷积层的运算其实是输入与核数组（卷积核）的互相关运算。 实际上，卷积运算与互相关运算类似。为了得到卷积运算的输出，我们只需将核数组左右翻转并上下翻转，再与输入数组做互相关运算。 可见，卷积运算和互相关运算虽然类似，但如果它们使用相同的核数组，对于同一个输入，输出往往并不相同。 那么，你也许会好奇卷积层为何能使用互相关运算替代卷积运算。其实，在深度学习中核数组都是学出来的： 卷积层无论使用互相关运算或卷积运算都不影响模型预测时的输出。为了解释这一点，假设卷积层使用互相关运算学出下图中的核数组。 设其他条件不变

归一化常见有三种方式： (1)线性归一化 将数据归一化到一个范围 最大值y,和最小值x，即 [x,y] ,一般是 [0,1]. y=(x-min)/(max-min) 推导过程可以用一元方程y=ax+b进行推导： 0 = min *a+b 1=max*a+b ===>a=1/(max-min) ; b = -min/(max - min) ===>y=(x-min)/(max-min) pytorch中transforms中ToTensor就是将数据转成tensor后进行 [0，1] 的标