一维卷积计算过程

最新推荐文章于 2024-05-29 11:25:24 发布
最新推荐文章于 2024-05-29 11:25:24 发布
阅读量5k 收藏 8
点赞数 2
分类专栏： 机器学习+数学
原文链接：https://www.cnblogs.com/itmorn/p/11177439.html
版权

目录

　　一维Full卷积

　　一维Same卷积

　　一维Valid卷积

　　三种卷积类型的关系

　　具备深度的一维卷积

　　具备深度的张量与多个卷积核的卷积

　　参考资料

一维卷积通常有三种类型：full卷积、same卷积和valid卷积，下面以一个长度为5的一维张量I和长度为3的一维张量K（卷积核）为例，介绍这三种卷积的计算过程

 

 

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：

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

 返回目录

 

一维Same卷积

 

卷积核K都有一个锚点，然后将锚点顺序移动到张量I的每一个位置处，对应位置相乘再求和，计算过程如下：

 

假设卷积核的长度为FL，如果FL为奇数，锚点位置在(FL-1)/2处；如果FL为偶数，锚点位置在(FL-2)/2处。

 返回目录

 

一维Valid卷积

 从full卷积的计算过程可知，如果K靠近I，就会有部分延伸到I之外，valid卷积只考虑I能完全覆盖K的情况，即K在I的内部移动的情况，计算过程如下：

 

 

 返回目录

 

三种卷积类型的关系

 

 返回目录

 

具备深度的一维卷积

比如x是一个长度为3，深度为3的张量，其same卷积过程如下，卷积核K的锚点在张量x范围内依次移动，输入张量的深度和卷积核的深度是相等的。

 返回目录

 

具备深度的张量与多个卷积核的卷积

上面介绍了一个张量和一个卷积核进行卷积。他们的深度相等才能进行卷积，下面介绍一个张量与多个卷积核的卷积。同一个张量与多个卷积核的卷积本质上是该张量分别与每一个卷积核卷积，然后将每一个卷积结果在深度方向上连接起来。

 

举例：以长度为3、深度为3的输入张量与2个长度为2、深度为3的卷积核卷积为例，过程如下：

 返回目录

 

AIchiNiurou
关注
  • 2
    点赞
  • 踩
  • 8
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
详解一维卷积算法
ZJ_xunyicao的博客
03-30 1万+
一.公式介绍 卷积分为离散卷积和联系卷积，它们的区别就是连续和离散的区别，这里以离散卷积举例。 S(n)=(f∗g)(f*g)(f∗g)[n]= ∑m=0N−1f(m)g(n−m)\sum_{m=0}^{N-1} {f(m)g(n-m)}{}∑m=0N−1​f(m)g(n−m) S(n)为卷积结果序列，长度为len(f(m)f(m)f(m))+len(g(m)g(m)g(m))-1. N为信号f...
一维卷积
qq_42018521的博客
01-28 1875
一维卷积分为：full卷积、same卷积和valid卷积
卷积计算过程详解（含图示和代码）
最新发布
追风落叶乔木生
05-29 1603
卷积是一种数学运算，通过两个函数f和g生成第三个函数，其本质是一种特殊的积分变换，表征函数f与g经过翻转和平移的重叠部分函数值乘积对重叠长度的积分。卷积在泛函分析中扮演重要角色，可以被看作是“滑动平均”的推广。在信号处理和图像处理等领域，卷积常用于描述一个动态过程，用简单的数学形式描述过去作用对当前的影响。在卷积神经网络中，卷积层的实现方式实际上是数学中定义的互相关 （cross-correlation）运算，与数学分析中的卷积定义有所不同。
一维卷积 以例子说明 tf.nn.conv1d 矩阵运算过程
Aka_Happy的博客
03-26 2493
这几天在看代码，然后看网上关于一维卷积介绍的文档很多，但是对于tf.nn.conv1d 矩阵运算过程几乎没有介绍，这里我就将刚弄懂的写出来，希望能帮到大家理解这个函数，也为了让自己以后能更好的查阅~~ conv1d(value, filters, stride, padding, use_cudnn_on_gpu=None, data_format=None, name=None) valu...
一维卷积（结合书本内容）
zhongzhh8的博客
03-09 2894
因为想要学CNN，所以必须先想起来卷积是个什么东西（数字信号课上学过但早忘了），于是百度卷积，结果都是一脸懵逼点进去一脸懵逼退出来，知乎上“如何通俗易懂地解释卷积？”的回答解释的也一点不通俗易懂，查了大半个小时硬是看不懂他们在讲什么。最终还是把书本（数字信号处理，Sanji K.Mitra作）翻出来看，5分钟懂了。所以说我跟那个书本谈笑风生啊，书本不知道比你们高到哪里去了！ 1、卷积定义： x...
【深度学习实验】卷积神经网络（一）：卷积运算及其Pytorch实现（一维卷积：窄卷积、宽卷积、等宽卷积；二维卷积）
天地玄黄 魑魅魍魉 风花雪月 商角徵羽 暂时停更 十月重见
09-25 2814
本文主要介绍了卷积运算及其Pytorch实现，包括一维卷积（窄卷积、宽卷积、等宽卷积）、二维卷积。
图像处理中的窗口、核算子、模板、结构、卷积核、高斯核、锚点究竟是什么东西？
昊虹AI笔记
04-14 2534
对这篇博文有不明白的可以加微信/QQ 2487872782交流！ 我们在阅读图像处理的相关文献和文章时，经常会遇到“窗口、核算子、模板、结构、卷积核”等名词，对于初学者来说不把这些名词搞清，那基本就无法入门图像处理技术，所以有必要写篇博文对这几个名词作下说明和解释。 我们在作图像处理的运算时，经常会用一个二维矩阵求挨个遍历图像中的每个元素，并用自己矩阵中的元素去与自己覆盖到的图像元素按一定的规则做运算。 上面这段话中的二维矩阵就是我们说的“窗口”，也叫“核算子、模板、结构”。 示意图如下： 上面示意图中我
CV00-04-卷积
苦行僧的妖孽日常
01-07 277
卷积概念 由于不好进行文字描述（懒），我直接推荐一个博客图像卷积，讲解图像卷积的概念。 图像卷积操作（convolution），或称为核操作（kernel），是进行图像处理的一种常用手段，图像卷积操作的目的是利用像素点和其邻域像素之前的空间关系，通过加权求和的操作，实现模糊（blurring），锐化（sharpening），边缘检测（edge detection）等功能。图像卷积的计算过程就是...
matlab实现一维向量的卷积
11-04
MATLAB提供了内置的`conv`函数来执行一维卷积，但为了理解其工作原理，我们可以自己编写代码来实现。使用矩阵的方法，可以将两个向量f和g转换为矩阵F和G，然后通过矩阵乘法得到卷积结果。以下是一种可能的实现步骤：...
matlab-二维卷积神经网络的matlab实现.zip
02-01
二维卷积神经网络（2D Convolutional Neural Networks, 2D CNNs）是一种在图像处理和计算机视觉领域广泛使用的深度学习模型。MATLAB作为一款强大的数学计算软件，提供了丰富的工具箱来支持深度学习，包括对2D CNN的...
二维卷积的高层级综合过程code.zip
01-03
在本项目中，"二维卷积的高层级综合过程code.zip"是一个包含多个源文件的压缩包，主要用于实现基于硬件描述语言（HLS，High-Level Synthesis）的二维卷积计算。HLS是一种将高级编程语言（如C++或C）转换为FPGA或ASIC...
Python使用scipy模块实现一维卷积运算示例
09-18
主要介绍了Python使用scipy模块实现一维卷积运算,结合实例形式分析了scipy模块的功能及使用scipy模块进行一维卷积运算的相关操作技巧,需要的朋友可以参考下
采用paddle框架自定制一维卷积神经网络对西储大学轴承数据集进行故障识别（复现于基于卷积神经网络的轴承故障诊断算法研究的论文）
11-12
在本项目中，我们主要探讨的是如何利用Paddle框架构建一维卷积神经网络（1D CNN）对西储大学轴承数据集进行故障识别。这是一个典型的应用深度学习技术解决机械设备故障预测的问题，对于工业设备的健康管理和维护具有...
手写二维卷积神经网络python代码
12-11
二维卷积神经网络（2D Convolutional Neural Networks, 2D CNNs）是一种在图像处理和计算机视觉领域广泛使用的深度学习模型。本资源提供了一个手动实现的2D CNN的Python代码，适用于PyCharm开发环境，可以帮助学习者...
一维卷积（1D-CNN）、二维卷积（2D-CNN）、三维卷积（3D-CNN）
热门推荐
biubiusion的博客
06-05 5万+
一维卷积神经网络（1D-CNN） 一维卷积常用在序列模型、自然语言处理领域； 假设输入数据维度为8，filter维度为5； 不加padding时，输出维度为4，如果filter的数量为16，那么输出数据的shape就是； 二维卷积神经网络（2D-CNN） 二维卷积常用在计算机视觉、图像处理领域（在视频的处理中，是对每一帧图像分别利用CNN来进行识别，没有考虑时间维度的信息）； 假设原始图像 shape 为（其中3为3个通道），使用32个大小为（其中3为深度，与通道数相同）的卷积核对其进行
一维卷积过程示意图
iamjingong的博客
08-02 1万+
在 Keras 中使用一维卷积神经网络处理时间序列数据：https://juejin.im/post/5beb7432f265da61524cf27c
一维卷积convolve及其示例
yutaixin的博客
12-20 1410
卷积是一种数学运算 应用场景：图像识别、卷积神经网络 本质：计算当前数值时，与之前的数值有关联，需要与之前的数值衰减后的量叠加 一维卷积 一维卷积运算过程 a = [1,2,3,4,5] #源数组 b = [8,7,6] #卷积核 #使用 b作为卷积核对a数组执行卷积运算的过程如下： #数据准备： 0 0 1 2 3 4 5 0 0 #排一下源数组 6 7 8 #将卷...
一维卷积神经网络_卷积神经网络中的计算
weixin_39906521的博客
11-23 6626
一、综述本文将会介绍卷积相关的一些计算，包括：卷积的基本介绍卷积操作后张量的大小计算卷积参数量的计算卷积Flops的计算感受野的计算1. 卷积 卷积神经网络中的卷积是指定义好卷积核（kernel），并对图像（或者特征图，feature map）进行滑动匹配，即对应位置相乘再相加。其特点就在于能够捕捉局部的空间特征。具体过程如下图所示：图1-二维卷积过程示例每一个卷积核对应于一种特征提取...
计算两个一维数组的卷积
Some.
08-26 1万+
a[m]和b[n]分别为两个一维数组，c[m+n-1]是卷积数组。 #include #include #include #include #include #include #include #include using namespace std; #define INF 0xfffffff #define maxn 100010 int main() { int
一维卷积神经网络运算过程
02-29
一维卷积神经网络（1D CNN）是一种用于处理序列数据的深度学习模型。它可以有效地捕捉序列中的局部模式和特征，并在许多自然语言处理（NLP）和音频处理任务中取得良好的效果。 1D CNN的运算过程如下： 1. 输入数据：首先，我们需要将输入的序列数据表示为一个矩阵，其中每一行代表一个时间步的特征向量。假设我们有一个长度为N的序列，每个时间步的特征向量维度为D，那么输入矩阵的形状为(N, D)。 2. 卷积层：接下来，我们使用一个或多个卷积层来提取序列中的局部模式。每个卷积层由多个卷积核组成，每个卷积核都有自己的权重参数。卷积核在输入序列上进行滑动操作，计算出一系列的特征映射。 在一维卷积操作中，卷积核是一维的，它沿着序列的时间维度进行滑动。每次滑动，卷积核与输入序列的一部分进行逐元素相乘，并将结果相加得到一个标量值。这个标量值就是卷积操作的输出。 卷积操作可以通过使用不同大小的卷积核来捕捉不同尺寸的局部模式。较小的卷积核可以捕捉更细粒度的特征，而较大的卷积核可以捕捉更宽范围的特征。 3. 激活函数：在卷积操作之后，通常会应用一个非线性激活函数，如ReLU（Rectified Linear Unit），来引入非线性变换。激活函数可以增加网络的表达能力，并帮助网络学习更复杂的模式。 4. 池化层：为了减少参数数量和计算量，并提取更显著的特征，通常会在卷积层之后添加池化层。池化层通过对特征映射进行下采样，将每个特征映射划分为不重叠的区域，并从每个区域中选择一个代表性的值作为输出。常用的池化操作包括最大池化和平均池化。 5. 全连接层：最后，我们可以将池化层的输出连接到一个或多个全连接层，以进行分类、回归或其他任务。全连接层将池化层输出的特征映射转换为最终的预测结果。 以上就是一维卷积神经网络的运算过程。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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