[深度学习]卷积理解

单通道卷积

看这个的可视化就很好理解了

https://github.com/vdumoulin/conv_arithmetic/blob/master/README.md

多通道卷积

当输入有多个通道时,卷积核需要拥有相同的通道数. 假设输入有c个通道,那么卷积核的每个通道分别于相应的输入数据通道进行卷积,然后将得到的特征图对应元素相加,最终输出一个单通道的特征图, 它的数学表达式如下图所示.

一些概念

卷积核个数: 一个卷积核对应输入图像某一个特征,理论上卷积核数量越多,能够提取的特征越丰富.

待补充:

3d卷积

相关推荐
放下华子我只抽RuiKe56 小时前
算法的试金石:模型训练、评估与调优的艺术
人工智能·深度学习·算法·机器学习·自然语言处理·数据挖掘·线性回归
这张生成的图像能检测吗11 小时前
(论文速读)基于深度学习的电动汽车直流充电桩开路故障精确诊断多特征融合模型
人工智能·深度学习·计算机视觉·故障诊断
RuiBo_Qiu12 小时前
【LLM进阶-后训练&部署】2. 常见的全参数微调SFT方法
人工智能·深度学习·机器学习·ai-native
WiSirius14 小时前
LLM:基于 AgentScope + Streamlit 的 AI Agent脑暴室
人工智能·深度学习·自然语言处理·大模型·llama
图图的点云库14 小时前
点云深度学习算法概述
人工智能·深度学习·算法
码农三叔16 小时前
(10-3)大模型时代的人形机器人感知:多模态Transformer
深度学习·机器人·大模型·transformer·人形机器人
bryant_meng17 小时前
【AI】《Explainable Machine Learning》
人工智能·深度学习·机器学习·计算机视觉·可解释性
就叫你天选之人啦17 小时前
GBDT系列八股(XGBoost、LightGBM)
人工智能·深度学习·学习·机器学习
CoderIsArt17 小时前
StarCoder-3B微调和RAG的技术原理
人工智能·深度学习·机器学习