[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
薛定e的猫咪1 小时前
Codex全套科研技能汇总
人工智能·深度学习
大鹏的NLP博客1 小时前
Padding 对工业声学异常检测中自编码器判分逻辑的影响分析
深度学习·声音检测
Token炼金师2 小时前
异地的棋局:容灾、流量调度、数据一致性、成本与故障切换 —— 异地多活五子
人工智能·深度学习·llm
道影子3 小时前
维性力网:超越时间的拓扑宇宙观
人工智能·深度学习·神经网络·拓扑学
人间凡尔赛3 小时前
世界模型入门实战:从RTFM到理解物理世界 | 2026深度技术解析
javascript·人工智能·深度学习·机器学习
All The Way North-4 小时前
【TorchMetrics精通系列②】混淆矩阵:归一化陷阱、TP/FP推导与10分类文本热力图分析
深度学习·模型评估·评价指标·多分类·混淆矩阵·归一化·torchmetrics
旅僧4 小时前
王树森老师强化学习--同声传译版3
python·深度学习
额恩667 小时前
阶段一:Vue 2 单页应用基础
人工智能·深度学习·机器学习
upper20207 小时前
FPGA部署卷积神经网络识别MINST图片
fpga开发·卷积神经网络·minst·minst识别·部署神经网络·神经网络识别图片