本文探讨了卷积神经网络（CNN）在处理图像数据时的细节，包括输入图像的Tensor格式[b,c,w,h]，其中b表示批大小，c表示通道数，w和h分别代表宽度和高度。还介绍了卷积运算的公式，以及如何计算输出图像的大小。此外，提到了nn.Conv2d层的参数设置，如输入尺寸[64,1,28,28]，通道数C=16等。"
136568012,21202436,垂直平板降膜传热分析：蒸发影响及热效率,"['传热学', '流体力学', '热力学', '数值模拟', '传质现象']
传入神经网络训练是Tensor格式的，图片格式为[b,c,w,h]
b：batch_size 输入的训练数量
c：通道数
w：传入图片的宽
h：传入图片的高
卷积神经网络的计算公式
1、设输入图像尺寸为WH，卷积核大小为FF，步长为S，图像通道数为C，Padding为P，即：
卷积后输出的图像大小为：
2、池化的计算公式
nn.Conv2d( in_channels, out_channels, kernel_size, stride=1, padding=0, dilation=1, groups=1, bias=True))
设置输入为[64,1,28,28]，batch_size=64，C=16
nn.Conv2d(1, 16
1396
2234
1289
1992
605
1138
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
最低0.47元/天 解锁文章
