Pytorch:Conv2d卷积前后尺寸怎么设置
导读:本文共741字符,通常情况下阅读需要2分钟。同时您也可以点击右侧朗读,来听本文内容。按键盘←(左) →(右) 方向键可以翻页。
摘要: Pytorch:Conv2d卷积前后尺寸Conv2d参数尺寸变化卷积前的尺寸为(N,C,W,H) ,卷积后尺寸为(N,F,W_n,H_n)W_n = (W-F+S+2P)/S 向下取整H_n = (H-F+S+2P)/S示例#m=nn.Conv2d(16,33,3,stride=2)#non-squarekernelsandunequalstrideandwi... ...
音频解说
目录
(为您整理了一些要点),点击可以直达。Pytorch:Conv2d卷积前后尺寸
Conv2d参数
尺寸变化
卷积前的尺寸为(N,C,W,H) ,卷积后尺寸为(N,F,W_n,H_n)
W_n = (W-F+S+2P)/S 向下取整
H_n = (H-F+S+2P)/S
示例
#m=nn.Conv2d(16,33,3,stride=2)#non-squarekernelsandunequalstrideandwithpaddingm=nn.Conv2d(16,33,(3,5),stride=(2,1),padding=(4,2))#non-squarekernelsandunequalstrideandwithpaddinganddilation#m=nn.Conv2d(16,33,(3,5),stride=(2,1),padding=(4,2),dilation=(3,1))input=torch.randn(20,16,50,100)print(input.size())output=m(input)print(output.size())
反卷积(转置卷积)Conv2DTranspose 输出的尺寸大小
keras的Conv2DTranspose
Thesizeoftheinputfeaturemap:(N,N)Conv2dTranspose(kernel_size=k,padding,strides=s)padding=‘same',输出尺寸=N×spadding=‘valid',输出尺寸=(N-1)×s+k
</div> <div class="zixun-tj-product adv-bottom"></div> </div> </div> <div class="prve-next-news">
本文:
Pytorch:Conv2d卷积前后尺寸怎么设置的详细内容,希望对您有所帮助,信息来源于网络。