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
星浩AI1 分钟前
Google 官方发布:让你的 AI 编程助手"边写、边看、边调",像人类开发者一样工作
人工智能·后端·开源
Codebee23 分钟前
SkillFlow:回归本质的AI能力流程管控
人工智能
巫山老妖40 分钟前
2026 年 AI 趋势深度研究报告
人工智能
CodeLove·逻辑情感实验室1 小时前
深度解析:当 NLP 试图解构爱情——情感计算(Affective Computing)的伦理边界与技术瓶颈
人工智能·深度学习·自然语言处理·赛朋克
少林码僧1 小时前
2.9 字段分箱技术详解:连续变量离散化,提升模型效果的关键步骤
人工智能·ai·数据分析·大模型
互联网工匠1 小时前
从冯·诺依曼架构看CPU和GPU计算的区别
人工智能·gpu算力
爱笑的眼睛111 小时前
超越可视化:降维算法组件的深度解析与工程实践
java·人工智能·python·ai
GISer_Jing2 小时前
AI Agent 目标设定与异常处理
人工智能·设计模式·aigc
Fnetlink12 小时前
AI+零信任:关键基础设施安全防护新范式
人工智能·安全
njsgcs2 小时前
SIMA2 论文阅读 Google 任务设定器、智能体、奖励模型
人工智能·笔记