文章/答案/技术大牛

发布

社区首页 >问答首页 >卷积神经网络输出通道的混淆

问卷积神经网络输出通道的混淆
EN

Stack Overflow用户

提问于 2021-03-09 13:10:34

回答 1查看 802关注 0票数 0

我对卷积神经网络中的多通道方案感到困惑。

假设我有一个10(宽度)*5(高度)*6(通道)图像，我将它输入到默认的二维卷积层中，其中包含stride=1和padding=0，期望输出为8(宽度)*3(高度)*16(通道)。

我知道内核的大小是3(宽度)*3(高度)，但我不知道到底有多少内核，以及如何将其应用于输入数据以给出最后的16个通道。

有人能帮我吗。

回答已采纳

发布于 2021-03-09 14:14:08

2D卷积层每个输入信道包含一个内核，每个输出信道包含一个内核。因此，在您的例子中，这将是6*16=96内核。对于3x3内核，这对应于3*3*96 = 864参数。

>>> import torch

>>> conv = torch.nn.Conv2d(6, 16, (3, 3))
>>> torch.numel(conv.weight)
864

对于一幅图像，首先应用每个输入通道一个内核。在您的例子中，这将产生6个功能映射，它们被相加在一起(+一个可能的偏差)以形成1的输出通道。然后，重复这15次，形成15个其他输出通道。

票数 2

页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持

原文链接：

https://stackoverflow.com/questions/66547536

复制

相似问题

问卷积神经网络输出通道的混淆EN