- 每一个卷积核的大小,为长宽,深度。长,宽自定义,卷积核输入通道数由上一层卷积核的个数或者输入图片的channel数决定。例如:如果上一层就是输入,输入为灰度图像,卷积核的输入通道数为1。输入为rgb图像,卷积核的深度为3。如果上一层为卷积层,卷积核的个数,即channel数,就是当前层卷积核的深度。
注:(1)经过一个卷积核的输出,必然为一个特征图。
(2)卷积核的个数,卷积核的深度,卷积核的channel数,是同一个概念。
(3)当卷积核的大小大于1,步进为1时,不会改变输入的分辨率,即最终输入的分辨率和卷积核输出特征图的分辨率相同。
(4)每个卷积核只有一个偏置,卷积核对上一层每个特征图分别进行卷积,然后卷积完成以后进行累加,然后添加偏置,形成一个特征图。
(5)当下一层为BN层时,当前层卷积核的偏置可以不用设置。
(6)卷积层的参数,不仅与当前层的通道数有关,也与输入层的通道数有关,权值共享只限于单独的通道,不同的
卷积核,以及卷积核channel数的理解
于 2020-01-15 17:32:06 首次发布
本文深入探讨卷积核的概念,包括大小、输入通道数与深度的关系。卷积核的输入通道数取决于上一层的输出通道或输入图像的通道数。卷积核的个数、深度和通道数互为同义。每个卷积核产生一个特征图,且每个通道的卷积核权重不共享。1x1卷积用于维度调整,而池化用于下采样。理解卷积核是掌握卷积网络的关键。
摘要由CSDN通过智能技术生成