十四 动手学深度学习v2计算机视觉 ——转置矩阵

文章目录

基本操作

填充、步幅和多通道

填充

与常规卷积不同,在转置卷积中,填充被应用于的输出(常规卷积将填充应用于输入)。 例如,当将高和宽两侧的填充数指定为1时,转置卷积的输出中将删除第一和最后的行与列。
步幅

在转置卷积中,步幅被指定为中间结果(输出),而不是输入。 使用 上图相同输入和卷积核张量,将步幅从1更改为2会增加中间张量的高和权重。

再谈转置卷积

不填充,步幅为1

填充为p,步幅为1

填充为p,步幅为s

相关推荐
爱喝可乐的老王14 分钟前
PyTorch深度学习参数初始化和正则化
人工智能·pytorch·深度学习
林深现海9 小时前
【刘二大人】PyTorch深度学习实践笔记 —— 第一集:深度学习全景概述(超详细版)
pytorch·笔记·深度学习
莱茶荼菜10 小时前
yolo26 阅读笔记
人工智能·笔记·深度学习·ai·yolo26
辰尘_星启11 小时前
[线性代数]矩阵/向量求导为什么要区别分子布局和分母布局
神经网络·线性代数·数学·矩阵·控制·导数
qwy71522925816312 小时前
10-图像的翻转
人工智能·opencv·计算机视觉
lovod12 小时前
视觉SLAM十四讲合集
计算机视觉·slam·视觉slam·g2o·ba·位姿图
阿正的梦工坊14 小时前
Megatron中--train-iters和--max_epochs两个参数介绍
人工智能·深度学习·自然语言处理
kiro_102314 小时前
BGRtoNV12与NV12toBGR互转函数
人工智能·opencv·计算机视觉
哥布林学者14 小时前
吴恩达深度学习课程五:自然语言处理 第三周:序列模型与注意力机制(四)语音识别和触发字检测
深度学习·ai