卷积神经网络CNN中padding：same／valid

最新推荐文章于 2024-07-24 21:01:17 发布
最新推荐文章于 2024-07-24 21:01:17 发布
阅读量1k 收藏 2
点赞数
分类专栏： 深度学习 文章标签： 深度学习 tensorflow
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/weixin_41939940/article/details/103969459
版权

卷积神经网络CNN中padding：same／valid

记录问题

查阅了部分资料，记录了个人对于padding的一些理解，若有不对请指正。文末附上参考链接，非常感谢文章作者！

padding介绍

处理图像时，根据参数判定是否给图像周围加零，需要加的具体圈数视情况而定。
padding=“SAME”：剩余块不足卷积核大小时进行补零
padding=“VALID”：剩余块不足卷积核大小时直接丢弃

计算公式

划重点！！！！
same是在stride下保持一致，而并非是输出图像与输入图像大小始终不变！
当stride=1时，same情况下，由于补零操作，会使得输入图像与输出图像大小不变；
当stride不等于1，same情况下，虽然仍然补零，但输出图像会变小！
在这里插入图片描述

参考链接

https://bugxch.github.io/tf%E4%B8%AD%E7%9A%84padding%E6%96%B9%E5%BC%8FSAME%E5%92%8CVALID%E6%9C%89%E4%BB%80%E4%B9%88%E5%8C%BA%E5%88%AB/

是七月初七呀
关注
  • 0
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
卷积神经网络(CNN,ConvNet)及其原理详解
04-18
卷积神经网络（CNN）是一种深度学习模型，特别适用于图像处理任务，但也可应用于音频、文本和其他领域。CNN的核心特性在于其利用了卷积层和池化层来提取特征和减少数据维度。 1. **局部感受野**： 局部感受野是CNN...
padding = “SAME”与padding = “VALID”
qq_41078023的博客
04-19 3267
最近在用tensorflow搭建卷积神经网络，遇到了一个比较棘手的问题，我一直理解的padding有两个值，一个是SAME，一个是VALID，如果padding设置为SAME，则说明输入图片大小和输出图片大小是一致的，如果是VALID则图片经过滤波器后可能会变小。 如下图： 从程序中可以看出我的输入是553，过滤器是333，padding设置的值是SAME，所以我一开始预想的是输出557（有7个过...
卷积神经网络CNN
crossoverpptx的博客
06-24 3868
卷积神经网络(convolutional neural network, CNN)，是一类包含卷积计算且具有深度结构的前馈神经网络。卷积神经网络是受生物学上感受野（Receptive Field）的机制而提出的。卷积神经网络专门用来处理具有类似网格结构的数据的神经网络。例如，时间序列数据（可以认为是在时间轴上有规律地采样形成的一维网格）和图像数据（可以看作是二维的像素网格）。
学习笔记：深度学习（3）——卷积神经网络（CNN）理论篇
热门推荐
Morganfs的博客
04-12 10万+
深度学习笔记——CNN卷积神经网络理论篇。主要包括CNN的概念、基本原理、类型综述。算是比较完善的一篇文章了。
深度学习03-卷积神经网络(CNN)
liaomin416100569的专栏
05-12 3万+
CNN，即卷积神经网络（Convolutional Neural Network），是一种常用于图像和视频处理的深度学习模型。与传统神经网络相比，CNN 有着更好的处理图像和序列数据的能力，因为它能够自动学习图像中的特征，并提取出最有用的信息。CNN 的一个核心特点是卷积操作，它可以在图像上进行滑动窗口的计算，通过滤波器（又称卷积核）和池化层（Max Pooling）来提取出图像的特征。卷积操作可以有效地减少权重数量，降低计算量，同时也能够保留图像的空间结构信息。
浅易理解：卷积神经网络（CNN）
m0_60657960的博客
03-12 1544
在人工智能领域中，人工神经元是对生物神经元进行模拟的概念模型，它是构建人工神经网络的基本单元。人工神经元的设计意图是模仿生物大脑中神经元处理信息的方式，即接收输入信号、对信号进行加权处理并产生输出响应的能力。一个典型的人工神经元通常包括以下组成部分：​。
CNN卷积神经网络（图解CNN）
WGS.
08-23 7万+
超详细的CNN卷积网络讲解，及经典网络LeNet复现
CNN卷积神经网络详解
qq_44815135的博客
02-04 1898
卷积神经网络（CNN）是一种深度学习模型，广泛应用于图像处理、语音识别、自然语言处理等领域。图像分类和识别：CNN在图像分类和识别方面的应用是最为广泛的。通过训练，CNN能够学习到从图像中提取特征的能力，从而实现对图像的分类和识别。例如，在人脸识别、物体检测、车牌识别等领域，CNN都取得了显著的效果。语音识别：CNN也可以应用于语音识别领域，通过对语音信号的卷积和池化处理，提取出语音的特征表示，从而实现对语音的分类和识别。
大话卷积神经网络CNN（干货满满）
种树最好的时间是10年前，其次是现在！！！
08-25 4万+
文章目录O、前言一、简介二、人类视觉原理三、神经网络四、卷积神经网络4.1、CNN定义4.2、卷积(Convolution)4.3、步长（stride）4.4、填充（padding）4.5、池化(Pooling)4.6、激活函数4.7、局部感知4.8、参数（权值）共享4.9、感受野（Receptive field）五、可视化六、应用七、深度学习的本质八、境界九、学习资源9.1、编程9.2、理论9....
卷积神经网络中的 Full、Same 和 Valid 卷积
学IT，找陈寒
09-15 2057
卷积神经网络是一种受到生物视觉系统启发的神经网络，特别适用于处理具有网格结构的数据，如图像。CNN的核心思想是通过卷积操作从输入数据中提取特征，然后将这些特征传递给全连接层进行分类或回归等任务。卷积操作包括卷积核（或滤波器）的滑动以及卷积核与输入数据的点积运算。在这个过程中，卷积核在输入数据上滑动，不同的滑动方式会导致 Full、Same 和 Valid 三种卷积模式。
S4P1 卷积神经网络CNN1
08-04
卷积神经网络（CNN）是一种专门用于处理具有网格状结构数据，如图像、声音和文本的深度学习模型。它的核心概念在于卷积层，通过滤波器（filter）或核（kernel）对输入数据进行扫描，提取特征。在这个过程中，我们...
从此明白了卷积神经网络（CNN）
01-27
卷积神经网络（CNN）是一种专门用于处理具有网格状结构数据，如图像的深度学习模型。它的核心思想是通过卷积层和池化层来自动提取图像特征，从而实现图像分类、目标检测等任务。 首先，让我们从卷积操作开始。在CNN...
基于HLS的高效深度卷积神经网络FPGA实现方法1
08-03
在基于HLS（硬件描述语言）的FPGA（现场可编程门阵列）实现深度卷积神经网络（CNN）时，设计思路需兼顾硬件效率和网络的紧凑性。以下是几个关键知识点： 1.1 考虑硬件友好和网络小巧的设计思路 1.1.1 填充方式的...
第四课 卷积神经网络1
08-04
卷积神经网络（Convolutional Neural Network，CNN）是深度学习中的一种常见模型，广泛应用于图像识别、目标检测、自然语言处理等领域。下面是卷积神经网络基础知识的总结： 1. 卷积计算 卷积计算是 CNN 中的一种...
Python编程、机器学习与深度学习技术
2301_78164062的博客
07-24 797
Python编程、机器学习与深度学习技术
智能火焰监测系统：基于深度学习的实时火灾预警平台
最新发布
a871923942的博客
07-24 567
智能火焰监测系统：基于深度学习的实时火灾预警平台
深入理解深度学习中的“预测”与“计算”
qlkaicx的博客
07-24 573
在探讨深度学习和人工智能的应用时，**“预测”**这个词经常被提及。很多时候，人们对预测的理解可能会带有一些误区，特别是当涉及到预测未来的事件或结果时。本文将详细探讨在Python深度学习框架中的预测概念，以及为什么说这仍然是“预测”，而不仅仅是简单的“计算”。
Mindspore框架循环神经网络RNN模型实现情感分类|（五）模型训练
人工智能视觉分析算法学习实践和经验分享。
07-24 224
Mindspore框架循环神经网络RNN模型实现情感分类|（五）模型训练与推理Mindspore框架循环神经网络RNN模型实现情感分类|（六）模型加载和推理（情感分类模型资源下载）
卷积神经网络中怎样确定padding
08-30
在卷积神经网络中，padding是指在原始输入数据周围添加额外的像素点或边界，用来保持原始输入数据的尺寸。padding在卷积神经网络中起到两个主要的作用：保持特征图的尺寸和边缘信息的保留。具体来说，padding有两种...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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。

余额充值