转:https://blog.csdn.net/cheneykl/article/details/79740810

https://www.cnblogs.com/Yu-FeiFei/p/6800519.html

6、计算例子:

如何理解CNN中的卷积?

解析:图中input 7*7*3中,7*7代表图像的像素/长宽,3代表R、G、B 三个颜色通道,可以看到周边有填充0; 有两个卷积核Filter w0、Filter w1,每个filter对应每个通道有一组w权重;一个filter滑动到一个位置后计算三个通道的卷积,求和,加bias,得到这个filter在该位置的最终结果;每个filter的输出是各个通道的汇总;输出的个数与filter个数相同。所以最右边能得到两个不同的输出。

1的计算过程:

第一个通道和对应权重的结果:0*1+0*1+0*(-1)+0*(-1)+0*0+1*1+0*(-1)+0*(-1)+1*0 = 1


第二个通道和对应权重的结果:0*(-1)+0*0+0*(-1)+0*0+1*0+1*(-1)+0*1+0*(-1)+2*0 = -1


第三个通道和对应权重的结果:0*0+0*1+0*0+0*1+2*0+0*1+0*0+0*(-1)+0*0 = 0

偏置:1

1+(-1)+ 0 + 1 = 1

如何理解CNN中的卷积?

相关文章:

  • 2021-12-10
  • 2021-10-11
  • 2021-09-27
  • 2021-12-09
  • 2021-11-27
  • 2021-10-25
猜你喜欢
  • 2021-05-23
  • 2021-08-29
  • 2022-12-23
  • 2021-07-31
  • 2021-11-12
  • 2021-07-15
相关资源
相似解决方案