CNN中的卷积和反卷积的简单知识点
卷积:
作用:提取特征
kernel_size:卷积核的大小
stride:卷积核的移动步长
padding:零填充
#padding="SAME"指的是最后一次卷积(行或者列)的图像特征尺寸不足以一次卷积时,进行零填充
#padding="VALID"指的是最后一次卷积(行或者列)的图像特征尺寸不足以一次卷积时,舍弃最后一次卷积
反卷积:
注:反卷积操作并不能还原出卷积之前的特征图像,只能还原出卷积之前特征图像的尺寸
作用:可视化卷积,通过可视化卷积的过程发现不同层卷积核对特征提取的影响来做一些相应的处理,以便获得更好的特征提取效果
kernel_size:卷积核的大小
stride:指的是输入特征图像像素间填充的行数(一般用0来填充),若填充一行(一列),则stride=1
注:反卷积stride和卷积的stride不同,卷积stride是卷积核的移动步长
padding:指的是输入特征图像边界填充的圈数,一般用0来填充,若填充一圈,则padding=1