《动手学深度学习》-学习笔记-5.1. 二维卷积层

最新推荐文章于 2024-04-09 20:50:19 发布

原创

最新推荐文章于 2024-04-09 20:50:19 发布 · 1.8k 阅读

11 ·

CC 4.0 BY-SA版权

文章标签：

#动手学深度学习

本文探讨了如何设计卷积核进行图像边缘检测，包括水平、对角方向的边缘。通过具体示例展示了卷积核的设计方法，并比较了全连接层与卷积层在边缘检测任务中的应用。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

《动手学深度学习》-学习笔记-5.1. 二维卷积层

课后练习1

问题：
构造一个输入图像X，令它有水平方向的边缘。如何设计卷积核K来检测图像中水平边缘？如果是对角方向的边缘呢？
解答：
这篇博文介绍了很多边缘检测卷积核：https://blog.youkuaiyun.com/zlsjsj/article/details/80057312
可以分别采用如下卷积核检测水平方向边缘和对角方向边缘：
在这里插入图片描述
下面是二维卷积核的训练代码。

from mxnet import autograd, nd
from mxnet.gluon import nn
from mxnet.gluon import loss as gloss

def corr2d(X, K):  # 本函数已保存在d2lzh包中方便以后使用
    h, w = K.shape
    Y = nd.zeros((X.shape[0] - h + 1, X.shape[1] - w + 1))
    for i in range(Y.shape[0]):
        for j in range(Y.shape[1]):
            Y[i, j] = (X[i: i + h, j: j + w] * K).sum()
    return Y

X = nd.ones((6, 8))
X[:, 2:6] = 0
print('X :')
print(X)

K = nd.array([[1, -1] ,[1, -1]])
print('K :')
print(K)

Y = corr2d(X, K)
print('Y :')
print(Y)

# 二维卷积层使用4维输入输出，格式为(样本, 通道, 高, 宽)，这里