1. 卷积与反卷积
如上图演示了卷积核反卷积的过程,定义输入矩阵为 2):
- 卷积的过程为:O
- 反卷积的过称为:O 的边缘进行延拓 padding)
2. 步长与重叠
卷积核移动的步长(stride)小于卷积核的边长(一般为正方行)时,变会出现卷积核与原始输入矩阵作用范围在区域上的重叠(overlap),卷积核移动的步长(stride)与卷积核的边长相一致时,不会出现重叠现象。
K:
- 在步长(stride)为 1 时,输出的大小为 )
现考虑其逆问题,原始输入矩阵为多大时,其与 4:
- 步长(stride)为 1 时,4
- 6
本站文章如无特殊说明,均为本站原创,如若转载,请注明出处:卷积与反卷积以及步长stride - Python技术站