有人能讲下,这个Conv2D的计算方法么?为什么我感觉我的计算方法不太对。
因为input_data [3,128,128],所以Conv2d()的第一个参数才是3么
因为Conv2d()的第二个参数为64,所以output_data第一维才为64么
conv2d() 后面的3 1 1 分别代表什么呀?,又是怎么得出64*128*128的呢?
128-3+1=126 最后输出不应该为64*126*126 么
Q回答啊
第一个3是因为你输入的图像通道是3,第二个3是卷积核大小
后面两个1分别是步长和填充
图像周围都填充了一格,填充后为130*130,卷积后就是130-2=128,
2#3#确实是因为这个
[64,128,128]这个形状里,64是输出特征图的通道数,128,128是特征图的 h,w
Conv2D的参数是(输入维度,输出维度,卷积核大小,步长,padding)
是的
卷积核3,步长1,padding=1情况下,特征图大小不变
加四周加pad的目的就是保持特征图大小不变
卷积核大小 ,第三个参数“3”,代表3*3的卷积核么?
kernel_size (int|list|tuple) - 卷积核大小。可以为单个整数或包含两个整数的元组或列表,分别表示卷积核的高和宽。如果为单个整数,表示卷积核的高和宽都等于该整数。
这是文档里的参数说明:
https://www.paddlepaddle.org.cn/documentation/docs/zh/api/paddle/nn/layer/conv/Conv2D_cn.html#conv2d
这项目为什么没有赞赏的功能呢?要不你回一个收款码也行
能不能流个v 相互进步啊?
因为input_data [3,128,128],所以Conv2d()的第一个参数才是3么
因为Conv2d()的第二个参数为64,所以output_data第一维才为64么
conv2d() 后面的3 1 1 分别代表什么呀?,又是怎么得出64*128*128的呢?
128-3+1=126 最后输出不应该为64*126*126 么
Q回答啊
第一个3是因为你输入的图像通道是3,第二个3是卷积核大小
后面两个1分别是步长和填充
图像周围都填充了一格,填充后为130*130,卷积后就是130-2=128,
2#3#确实是因为这个
[64,128,128]这个形状里,64是输出特征图的通道数,128,128是特征图的 h,w
Conv2D的参数是(输入维度,输出维度,卷积核大小,步长,padding)
是的
是的
卷积核3,步长1,padding=1情况下,特征图大小不变
加四周加pad的目的就是保持特征图大小不变
卷积核大小 ,第三个参数“3”,代表3*3的卷积核么?
是的
kernel_size (int|list|tuple) - 卷积核大小。可以为单个整数或包含两个整数的元组或列表,分别表示卷积核的高和宽。如果为单个整数,表示卷积核的高和宽都等于该整数。
这是文档里的参数说明:
https://www.paddlepaddle.org.cn/documentation/docs/zh/api/paddle/nn/layer/conv/Conv2D_cn.html#conv2d
这项目为什么没有赞赏的功能呢?要不你回一个收款码也行
能不能流个v 相互进步啊?