卷积层参数详解

本文对比了PyTorch中`torch.nn.Conv2d`和TensorFlow的`keras.layers.Conv2D`在实现4维图片(3通道,5x5大小)卷积层时的操作,展示了如何指定卷积核大小、输出维度以及激活函数。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

import torch


# n是4 输入维度 图片大小 5*5
input=torch.randn((4,3,5,5))

# 输入维度 输出维度 卷积核大小
y=torch.nn.Conv2d(3,2,3)
print(y(input))

# 得到3*3的图片,输出维度是2,有四组
import tensorflow as tf
import keras

# 可以指定卷积核大小
# 指定输出的维度,这里是2
# 指定图片大小

# n=4 图片大小 5*5 输入通道
input_shape=(4,5,5,3)
x=tf.random.normal(shape=input_shape,mean=0)
# 输出维度2 卷积核大小 3
y=keras.layers.Conv2D(2,3,activation="relu",input_shape=input_shape[1:])
print(y(x))
# 得到 3*3的图片,输出空间维度是2 有四组

(4, 3, 3, 2)

评论 1
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

打赏作者

deep_Miner

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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