[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
大鹏的NLP博客6 小时前
机器学习中的统计波动控制与表征几何优化原则:从函数稳定性到隐空间结构学习
人工智能·深度学习·机器学习
LaughingZhu13 小时前
Product Hunt 每日热榜 | 2026-07-27
人工智能·深度学习·神经网络·搜索引擎·产品运营
万里鹏程转瞬至13 小时前
论文简读:Boogu-Image 图像生成与编辑模型
论文阅读·深度学习·aigc
不懒不懒14 小时前
路面类型识别 — CNN-LSTM 完整流程:基于车辆振动数据的端到端深度学习
深度学习·cnn·lstm
SimpleLearingAI15 小时前
DiT:Diffusion Transformer原理简介
人工智能·深度学习·transformer
phltxy16 小时前
LangChain_Agent中间件实战
人工智能·python·深度学习·语言模型·中间件·langchain
workflower17 小时前
从幻觉,到现实
人工智能·深度学习·机器学习·设计模式·机器人
伍树明17 小时前
NER 序列标注横向评测:BERT (Linear/CRF) VS 大模型 LoRA 微调 + API 方案实测对比
人工智能·深度学习·bert
盼小辉丶18 小时前
PyTorch强化学习实战(20)——优势演员-评论家(Advantage Actor-Critic, A2C)
pytorch·深度学习·强化学习·优势演员-评论家算法
-拟墨画扇-18 小时前
神经网络 | ⑬ 超参数验证:找到最佳学习超参数
深度学习·神经网络·学习