超级会员免费看
本文介绍了卷积运算中，如何根据padding、stride和dilation推导输入图像与输出特征图在长宽方向的尺寸关系。从基础的不带dilation参数的公式到包含dilation的复杂情况，为理解卷积算法的实现打下基础。
有了前面三节的卷积基础 padding, stride, dilation 之后，大概就可以了解一个卷积算法的全貌了。
一个完整的卷积包含的输入和输出有：
-
输入图像，表示为[n, hi, wi, ci]
-
卷积核，表示为[co, kh, kw, ci]
-
输出特征图，表示为[n, ho, wo, co]
以上为卷积算法的两个输入 tensor 和一个输出 tensor，相关表述可以去卷积的基础公式复习。
那除了这三个 tensor 之外，还有计算卷积所需要的三
订阅专栏 解锁全文
扫一扫
评论
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
查看更多评论
添加红包
