关于卷积神经网络的步幅(stride)

认识步幅(stride)

卷积核从输入数组的最左上方开始,按从左往右、从上往下的顺序,依次在输入数组上滑动,我们将每次滑动的行数和列数称为步幅。

计算步幅

假设输入的形状n∗n,卷积核的形状为f∗f,填充大小为p,步幅大小为s,输出的高和宽均为((n+2p−f)/s)​+1。 这里可以看到,当参数选择的不恰当时,会造成输出形状计算得出不是整数,所以这里的参数选择需要比较小心。

如何调用Pytorch中的步幅

nn.Conv2d()中的参数stride就表示滑动的步幅,默认情况下stride=1,常用的有stride=2

相关推荐
heimeiyingwang15 分钟前
向量数据库VS关系数据库VS非关系数据库
运维·人工智能·重构·架构·机器人
shangyingying_116 分钟前
图像质量评价(IQA)
人工智能·python·神经网络
OPEN-Source17 分钟前
大模型 Agent 实战:多 Agent 太贵太慢?一套系统性的性能与成本优化方案
人工智能·python·agent·rag·deepseek
了不起的云计算V18 分钟前
2026年信创替代关键期:如何选真正“安全好用”的电脑?
人工智能·安全·电脑
一阵寒风18 分钟前
ComfyUI本地部署指南
开发语言·人工智能·python
高洁0125 分钟前
大模型架构演进:从Transformer到MoE
python·深度学习·机器学习·数据挖掘·知识图谱
不惑_33 分钟前
通俗理解消息传递机制
人工智能·神经网络·生成对抗网络·架构
OPEN-Source33 分钟前
别为多 Agent 而多 Agent:一套实用的 Agent 架构选型指南
人工智能·python·agent·rag·deepseek
说私域35 分钟前
以非常6+1体系为支撑 融入AI智能名片商城小程序 提升组织建设效能
大数据·人工智能·小程序·流量运营·私域运营
爱寂寞的时光41 分钟前
GPTQ原理浅析及简单实现
人工智能·机器学习