当前位置: 首页> 游戏> 网游 > 常见网络层(卷积、池化、全连接)与其计算

常见网络层(卷积、池化、全连接)与其计算

时间:2025/7/9 8:10:19来源:https://blog.csdn.net/SofiaT/article/details/141964000 浏览次数:0次

卷积可视化:卷积神经网络 (CNN) 基本原理和公式_cnn公式-CSDN博客

嵌入大小计算规则【注意评论区全连接层计算规则勘误:Pv = Wv + Bv】

Conv、MaxPool、FC

池化操作和conv在kernels上计算不一致,在图像尺寸上的规则都是一样的。

公式可以理解为:先在图像的最末两端填充上P(+2P),后用卷积核(-K)大小的图像做卷积,然后从卷积后的边界(+1),按照每一个步长平移(/S)直至图像末尾。这样能得到单边的尺寸,图像的尺寸就是分别计算单边,然后再计算长x宽。


感受野可视化:彻底搞懂感受野的含义与计算 - shine-lee - 博客园 (cnblogs.com)

感受野大小计算规则

深度学习常见概念解释(二)—— 感受野:定义与计算公式_深度学习感受野计算-CSDN博客

公式可以理解为:

  • 本层n的感受野可以由上一层n-1的k*k得到
  • 上一层n-1的卷积k*k的单边可以划分为第一个元素+剩余k-1个元素
  • 第一个元素感受野为Rn-1,剩余(kn-1)个元素每前进1个元素,相当于在输入图像上前进jn-1个像素。

实际上的计算还是按照递推进行。

关键字:常见网络层(卷积、池化、全连接)与其计算

版权声明:

本网仅为发布的内容提供存储空间,不对发表、转载的内容提供任何形式的保证。凡本网注明“来源:XXX网络”的作品,均转载自其它媒体,著作权归作者所有,商业转载请联系作者获得授权,非商业转载请注明出处。

我们尊重并感谢每一位作者,均已注明文章来源和作者。如因作品内容、版权或其它问题,请及时与我们联系,联系邮箱:809451989@qq.com,投稿邮箱:809451989@qq.com

责任编辑: