weixin_63694345的博客

一般出现这种原因是由于在融合特征前，未对其进行Relu激活，激活后完成特征融合才会使得最后的分辨准确率上升。

标题即为问题，数据集分布相对均匀，不存在类别极度不均匀情况。

找了很多方法均未得到解决，最后发现外接固态千万注意是不是插在usb2.0的接口，换为3.0会有较大速度提升。

采用LSTM对图片分类的模型在pytorch中很常见，但网上大多数代码存在一些问题，给初学者的我带来了一定的困扰。因此有了本篇博客。

根据给定的张量形状为【112,112,3】，卷积核大小为8*8，步长为8，卷积核个数为768，可以计算输出形状。对于张量的宽度，卷积操作将在每个位置上滑动8个像素，即 (112-8)/8+1=14。输出大小H,W = (输入大小 - 卷积核大小) / 步长 + 1。同样地，对于张量的高度，输出大小也是14，8个像素一次的步幅。卷积核的个数为768，表示输出通道数，即输出的深度。综上，根据卷积操作的参数，输出形状为【14,14,768】。1. 首先，计算每个维度的输出大小。2. 通道数 = 卷积核的个数。