我试图了解卷积神经网络中的维度如何表现。下图中,输入是具有 1 个通道的 28×28 矩阵。然后有 32 个 5×5 过滤器(高度和宽度的步长为 2)。所以我知道结果是 14×14×32。但在下一个卷积层中,我们有 64 个 5×5 滤波器(同样步幅为 2)。那么为什么结果是 7×7×64 而不是 7×7×32*64?我们不是将 64 个滤波器中的每一个应用到 32 个通道中的每一个吗?
一个过滤器是前一层中所有维度的总和。这意味着 5x5 过滤器对所有 32 个维度进行求和,本质上是 32*5*5 值的加权和。然而,权重值是跨维度共享的。那么这样的过滤器就有64个。可以在这里找到更好的图像解释:http://cs231n.github.io/卷积网络/.
本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系:hwhale#tublm.com(使用前将#替换为@)