RF~or的博客

1.常规的卷积一般所说的卷积计算是用与输入有相同深度的卷积核对输入进行卷积计算，卷积计算的过程如下图所示：每层卷积核参数与输入的各层参数对应位置相乘后加和得到一个输出，卷积核在输入上进行滑动计算，有多少个卷积核就得到多少个输出。2.可分离卷积可分离卷积包括空间可分卷积核和深度可分卷积：空间可分卷积：生活中的图片一般为彩色图片，所以有三个维度：高、宽、深度。空间可分离卷积是在...

对于卷积神经网络中的计算，大部分人所知道的计算如下图所示：卷积核中的各参数与图像矩阵相应位置的数值相乘后再求和。但是实际计算时图像往往是rgb图像，即图像有三个通道，每张输入图像有三个二维矩阵（也说图像的深度为3），而且卷积核的数量也不止一个，所以在实际计算中是每个卷积核分别与矩阵的不同通道计算再加和，还是卷积核与所以通道同时计算，还是有其它的计算规则呢？下面的验证过程就是为了搞懂卷积计算的详细过...