0
点赞
收藏
分享

微信扫一扫

PaddlePaddle——深度学习中的零碎概念总结


文章目录

  • ​​Padding​​
  • ​​①Padding = ‘SAME’​​
  • ​​②Padding = ‘VALID’​​

本篇大部分都为所见所遇到的一些细小知识点的总结。

Padding

在组网过程中,使用卷积层时,有一个重要的参数padding需要进行设置,而padding的参数可以设置为:

  • SAME
  • VALID
  • 数字(具体的padding值)

如果padding设置为SAME,则说明输入图片大小和输出图片大小是一致的,如果是VALID则图片经过滤波器后可能会变小

①Padding = ‘SAME’

same模式是最常见的模式,因为这种模式可以在前向传播的过程中让特征图的大小保持不变,调参师不需要精准计算其尺寸变化(因为尺寸根本就没变化)。当然,same模式不代表完全输入输出尺寸一样,也跟卷积核的步长有关

PaddlePaddle——深度学习中的零碎概念总结_深度学习

padding = “SAME”输入和输出大小关系如下:

  • 输出大小等于输入大小除以步长向上取整

PaddlePaddle——深度学习中的零碎概念总结_组网_02

②Padding = ‘VALID’

当filter全部在image里面的时候,进行卷积运算,可见filter的移动范围较same更小了。

PaddlePaddle——深度学习中的零碎概念总结_卷积_03

padding = “VALID”输入和输出大小关系如下:

PaddlePaddle——深度学习中的零碎概念总结_深度学习_04

参考文章:

  • ​​卷积的三种模式full, same, valid以及padding的same, valid​​
  • ​​TensorFlow中padding的SAME和VALID两种方式有何异同?​​


举报

相关推荐

零碎内容总结

hadoop零碎知识点总结

容器(零碎笔记)

零碎注意点

零碎的C++

pandas 零碎笔记

java零碎记忆

零碎的面试题目总结4

C++零碎知识

前端零碎知识随笔

0 条评论