矩阵的卷积核运算(一个简单小例子的讲解)深度学习

本文详细介绍了卷积运算的基本步骤和计算过程,通过实例演示了如何使用卷积核处理矩阵,适用于图像处理中的滤波和增强操作。
部署运行你感兴趣的模型镜像

卷积运算:假设有一个卷积核h,就一般为3*3的矩阵:

有一个待处理矩阵A:

h*A的计算过程分为三步

第一步,将卷积核翻转180°,也就是成为了


第二步,将卷积核h的中心对准x的第一个元素,然后对应元素相乘后相加,没有元素的地方补0。

这样结果Y中的第一个元素值Y11=1*0+2*0+1*0+0*0+0*1+0*2+-1*0+-2*5+-1*6=-16

第三步每个元素都像这样计算出来就可以得到一个输出矩阵,就是卷积结果

继续如此计算


最后结果:


我这里是用0补全原矩阵的,但我们不一定选择0,卷积运算多用于图像处理,进行滤波,增强等。







您可能感兴趣的与本文相关的镜像

TensorFlow-v2.15

TensorFlow-v2.15

TensorFlow

TensorFlow 是由Google Brain 团队开发的开源机器学习框架,广泛应用于深度学习研究和生产环境。 它提供了一个灵活的平台,用于构建和训练各种机器学习模型

评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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