计算机系统应用教程网站

网站首页 > 技术文章 正文

CNN卷积神经网络的三种基本模式(不懂的话还得多努力啊!)

btikc 2024-10-28 13:01:13 技术文章 11 ℃ 0 评论

通常用外部api进行卷积的时候,会面临mode选择。

这里清晰展示三种模式的不同之处,其实这三种不同模式是对卷积核移动范围的不同限制。

设 image的大小是7x7,filter的大小是3x3

1,full mode

橙色部分为image, 蓝色部分为filter。full模式的意思是,从filter和image刚相交开始做卷积,白色部分为填0。filter的运动范围如图所示。

2,same mode

当filter的中心(K)与image的边角重合时,开始做卷积运算,可见filter的运动范围比full模式小了一圈。注意:这里的same还有一个意思,卷积之后输出的feature map尺寸保持不变(相对于输入图片)。当然,same模式不代表完全输入输出尺寸一样,也跟卷积核的步长有关系。same模式也是最常见的模式,因为这种模式可以在前向传播的过程中让特征图的大小保持不变,调参师不需要精准计算其尺寸变化(因为尺寸根本就没变化)。

3.valid

当filter全部在image里面的时候,进行卷积运算,可见filter的移动范围较same更小了。

最后水几句

明天公司就放假了,准备回家过年,祝各位读者大大新年快乐!有喜欢小编的记得关注我一下哦。

Tags:

本文暂时没有评论,来添加一个吧(●'◡'●)

欢迎 发表评论:

最近发表
标签列表