理解神經網絡的通道數
- 1. 神經網絡的通道數
- 2. 輸出的寬度和長度
- 3. 理解神經網絡的通道數
- 3.1 都是錯誤的圖片惹的禍
- 3.1.1 沒錯但是看不懂的圖
- 3.1.2 開玩笑的錯圖
- 3.1.3 給人誤解的圖
- 3.2 我或許理解對的通道數
- 3.2.1 動圖演示
1. 神經網絡的通道數
半路出嫁到算法崗，額。。。。。多少有點，算了不說了。
- 垃圾的python
- 相信很多人贊同python的語法，真叫個還有王法嗎？還有法律嗎？
2. 輸出的寬度和長度
看官網的截圖
(https://pytorch.org/docs/stable/generated/torch.nn.Conv2d.html#torch.nn.Conv2d)
相信大家都能理解。但是輸出的通道數和輸出的通道數我就不太好理解了。
3. 理解神經網絡的通道數
3.1 都是錯誤的圖片惹的禍
3.1.1 沒錯但是看不懂的圖
請問這里的32*32*3怎么得到28*28*6的呢
3.1.2 開玩笑的錯圖
標出了三個錯誤點
3.1.3 給人誤解的圖
3.2 我或許理解對的通道數
參考：
- https://www.bilibili.com/video/BV1jg4y1t7ha/?vd_source=26bb43d70f463acac2b0cce092be2eaa
- https://zhuanlan.zhihu.com/p/645281334
- https://blog.csdn.net/qq_26928055/article/details/117637017
- 假設輸入是一個5*5*3的長5寬5的 RGB 3通道的圖片。那么一個卷積核就是3*3*3的長3寬3的3通道矩陣。
2. 一個卷積核計算完一個RGB圖片，輸出也是3通道，那為啥圖上變成了一個綠色的圖片？因為算出來之后需要每個通道的數值相加。加完之后就變成了一個通道了啊。
3.2.1 動圖演示
form：https://segmentfault.com/q/1010000016667038
Input Volume和Filter W0相乘加Bias b0得到o[:,:,0]Input Volume和Filter W1相乘加Bias b1得到o[:,:,1]Input Volume是一個7*7*3的圖片Filter W0都是一個3*3*3的卷積核Filter W1都是一個3*3*3的卷積核
)
