赞
踩
都是卷积2个特点,局部连接,权重共享,但这个权重共享,每一个卷积核,比如,一个 3x3×32 的卷积核,
它每一个维度上的权重是共享的吗?
非也,看这篇文章,有一段佳话:
输入channel=32
输出channel=64
那么排列组合就是64*32,在这里实现了特征的组合
,所以需要的权重数量是3x3×64×32
卷积核中的数值会进行一个初始化,但是里面的数值其实就是权重值,
标红的地方就表示,即使 同一个卷积核,每一个维度的卷积权重都是不一样的。
人们更习惯把作为数据输入的前层的厚度称之为通道数(比如RGB三色图层称为输入通道数为3),把作为卷积输出的后层的厚度称之为特征图数。 特征图数 也可以 说是 卷积核数。
后面更多拓展:
卷积网络背后的直觉 - 知乎
https://zhuanlan.zhihu.com/p/37657943
理解分组卷积和深度可分离卷积如何降低参数量 - 知乎
https://zhuanlan.zhihu.com/p/65377955
变形卷积核、可分离卷积?卷积神经网络中十大拍案叫绝的操作。 - 知乎
https://zhuanlan.zhihu.com/p/28749411
Copyright © 2003-2013 www.wpsshop.cn 版权所有,并保留所有权利。