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
武子康22 分钟前
大数据-210 数据挖掘 机器学习理论 - 逻辑回归 scikit-learn 实现 penalty solver
大数据·人工智能·python·机器学习·数据挖掘·逻辑回归·scikit-learn
weixin_5182850524 分钟前
深度学习笔记9-实现逻辑回归
人工智能·笔记·深度学习·机器学习
区块链蓝海1 小时前
机器人助力Bridge Champ游戏:1.4.2版本如何提升玩家体验
大数据·人工智能
云水木石1 小时前
对标 Windows Copilot 的 UOS AI,升级后更能打了
人工智能·copilot
Envyᥫᩣ3 小时前
从零开始的机器学习之旅
人工智能·机器学习
大数据面试宝典3 小时前
【Ai测评】GPT Search偷偷上线,向Google和微软发起挑战!
人工智能·gpt·ai测评·ai之家
花千树-0105 小时前
Milvus - GPU 索引类型及其应用场景
运维·人工智能·aigc·embedding·ai编程·milvus
微雨盈萍cbb5 小时前
OCR与PaddleOCR介绍
人工智能
DogDaoDao6 小时前
深度学习常用开源数据集介绍【持续更新】
图像处理·人工智能·深度学习·ai·数据集
lqqjuly6 小时前
深度学习基础知识-编解码结构理论超详细讲解
人工智能·深度学习·编解码结构