邱锡鹏神经网络与深度学习习题5-1和5-2解答byMahomet

最新推荐文章于 2024-04-25 15:49:22 发布

Mahomet_

最新推荐文章于 2024-04-25 15:49:22 发布

阅读量1.9k

点赞数 2

分类专栏：邱锡鹏神经网络与深度学习习题解答byMahomet

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/u011573054/article/details/102753593

版权

邱锡鹏神经网络与深度学习习题解答byMahomet 专栏收录该内容

5 篇文章 6 订阅

订阅专栏

习题5-1：

宽卷积的交换性，我看连续性卷积积分的时候随便缓缓就行了，因此这里也差不多。

现有

$y_{ij}=\sum^m_{u=1}\sum^n_{v=1}w_{uv}\cdot x_{i+u-1,j+v-1}$

(我这里没有用互相关）

图中红的为矩阵x，绿的为卷积核

根据宽卷积定义

$y_{ij}=\sum^m_{n=1-(m-1)}\sum^n_{v=1-(n-1)}w_{uv}\cdot x_{i+u-1,j+v-1}$

而我们的目标图景则是这样的：

为了让x的下标形式和w的进行对换，进行变量替换

令

$s=i-u+1, t=j-v+1$ ，

故

$u=s-i+1,v=t-j+1$ .

则

$y_{ij}=\sum^{i-1+m}_{s=i+1-m}\sum^{j-1+n}_{t=j+1-n}x_{st}\cdot w_{s-i+1,t-j+1}$

已知

$i \in [1,M]J,J \in [1,N]$

因此对于

$y_{ij}=\sum^{i-1+m}_{s=i+1-m}\sum^{j-1+n}_{t=j+1-n}x_{st}w_{s-i+1,t-j+1}$

由于宽卷积的条件，s和t的变动范围是可行的。

习题5-2：

参见1*1卷积核的作用（bottleneck的作用）

关注

2
点赞
踩
3

收藏

觉得还不错? 一键收藏
0
评论
邱锡鹏神经网络与深度学习习题5-1和5-2解答byMahomet

习题5-1：宽卷积的交换性，我看连续性卷积积分的时候随便缓缓就行了，因此这里也差不多。现有(我这里没有用互相关）图中红的为矩阵x，绿的为卷积核根据宽卷积定义而我们的目标图景则是这样的：为了让x的下标形式和w的进行对换，进行变量替换令，故.则已知因此对于由于宽卷积的条件，s和t的变动范围是可行的。习题5-2：...
复制链接

扫一扫

专栏目录

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

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。