赞
踩
在做全连接的时候,图像所有行都给拉平成一行,使得俩个距离比较远的值实际在图上上可能是离得比较近的,所以全连接不能保留原始空间信息,丧失原始空间信息。
下采样Subsampling后 通道数不会变,W,H会变。
Subsampling的目的是减少元素数量,降低计算量
每一个通道对应一个卷积核
卷积核的通道数=原通道数
卷积核的组数=卷积后的通道数
每一个filter的channel和原始输入的channel一致 filter的个数和输出通道的个数一致
torch.Size([1,5,100,100]) 1是batch, 5是输入通道大小 图像大小100×100
torch.Size([1,10,98,98]) 10是输出通道大小 图像大小 98×98
torch.Size([10,5,3,3]) 10是输出通道大小,5是输入通道大小,3,3是卷积核的尺寸,就是m * n * kernel_size_w * kernel_size_h 这个公式
卷积核的大小和图像的大小没有关系
卷积依然是线性计算
kernel.data相当于是对kernel做了初始化
stride是步长
max pooling 是下采样的一种
对同一个通道进行max pooling
1. 模型的参数扔到device中
2. 参与计算的train和test中的张量扔到device中
Copyright © 2003-2013 www.wpsshop.cn 版权所有,并保留所有权利。