神经网络学习笔记(一):关于卷积核

1.卷积核的个数决定了输出特征图的深度

2.卷积核的深度与输入特征图的深度相同

3.(1,1)的卷积核常用于调整深度来适应(如:ResNet中有运用)

4.在步长相同的情况下使用两个(3,3)的卷积核与使用一个(5,5)的卷积核作用相近,但两个(3,3)的卷积核在图片尺寸较大(大多数情况下)时效率高于使用一个(5,5)卷积核

5.卷积核的步长和尺寸会影响输出特征图的维度

  • 0
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
评论 2
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