DeepLearing—CV系列(二十三)——一维卷积或GRU处理电信号、一维卷积、转置卷积的详解

本文详细探讨了一维卷积的三种类型(full、same、valid)及其在序列模型和信号处理中的应用。转置卷积的定义、过程、计算和棋盘效应问题也进行了深入解析,并提出了解决方案。同时,讨论了一维卷积和转置卷积在深度学习任务中的具体应用场景。
摘要由CSDN通过智能技术生成

一、一维卷积

1.1 介绍

一维卷积常用于序列模型,信号处理、自然语言处理领域。
在这里插入图片描述

1.2 类别

一维卷积通常有三种类型**:full卷积、same卷积和valid卷积**

1.2.1 一维Full卷积

Full卷积的计算过程是:K沿着I顺序移动,每移动到一个固定位置,对应位置的值相乘再求和,计算过程如下:
在这里插入图片描述
将得到的值依次存入一维张量Cfull,该张量就是I和卷积核K的full卷积结果,其中K卷积核或者滤波器或者卷积掩码,卷积符号用符号★表示,记Cfull=I★K

评论
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

打赏作者

wa1tzy

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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