深度学习之卷积神经网络中same padding 和 valid padding
卷积操作知识点卷积操作使得图像边界信息丢失,即有些图像角落和边界的信息发挥作用较少,因此需要padding。卷积核大小通常为奇数。这是为了 一方面是为了方便 same padding时对称填充,左右两边对称补零;另一方面,奇数过滤器有中心像素,便于确定过滤器的位置。以单通道、一个卷积核为例进行卷积。当有5x5x1的图像,卷积核为3x3x1,步长为2时:a. 当使用 valid...
·
更多推荐
卷积操作知识点卷积操作使得图像边界信息丢失,即有些图像角落和边界的信息发挥作用较少,因此需要padding。卷积核大小通常为奇数。这是为了 一方面是为了方便 same padding时对称填充,左右两边对称补零;另一方面,奇数过滤器有中心像素,便于确定过滤器的位置。以单通道、一个卷积核为例进行卷积。当有5x5x1的图像,卷积核为3x3x1,步长为2时:a. 当使用 valid...
更多推荐
所有评论(0)