深度学习笔记 —— 转置卷积

理解卷积神经网络中的转置卷积
本文深入探讨了卷积神经网络中的转置卷积,解释了其在像素级别预测中的作用,以及如何通过转置卷积来增大输出尺寸。内容包括转置卷积的数学原理、实现方式和与普通卷积的关系。此外,还通过实例展示了使用PyTorch实现转置卷积的过程,并讨论了填充和步幅的影响。

语义分割要做像素级别的预测,但是卷积不断地减小高宽,所以需要另外一种卷积把小的高宽变大。

转置卷积:输入中的单个元素与kernel按元素做乘法但不相加,然后按元素写回到原始的地方。

再谈转置卷积:

换算成卷积之后,卷积是正常卷积,也就是填充为0,步幅为1,与前面填充和步幅是无关的。

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值