没有合适的资源?快使用搜索试试~ 我知道了~
PyTorch中反卷积的用法详解
5星 · 超过95%的资源 5 下载量 153 浏览量
2021-01-20
04:02:59
上传
评论
收藏 135KB PDF 举报
温馨提示
试读
3页
pytorch中的 2D 卷积层 和 2D 反卷积层 函数分别如下: class torch.nn.Conv2d(in_channels, out_channels, kernel_size, stride=1, padding=0, groups=1, bias=True) class torch.nn.ConvTranspose2d(in_channels, out_channels, kernel_size, stride=1, padding=0, output_padding=0, bias=True) 我不禁有疑问: 问题1: 两个函数的参数为什么几乎一致呢? 问题2: 反卷积
资源推荐
资源详情
资源评论
PyTorch中反卷积的用法详解中反卷积的用法详解
pytorch中的中的 2D 卷积层卷积层 和和 2D 反卷积层反卷积层 函数分别如下:函数分别如下:
class torch.nn.Conv2d(in_channels, out_channels, kernel_size, stride=1, padding=0, groups=1, bias=True)
class torch.nn.ConvTranspose2d(in_channels, out_channels, kernel_size, stride=1, padding=0, output_padding=0, bias=True)
我不禁有疑问:我不禁有疑问:
问题1: 两个函数的参数为什么几乎一致呢?
问题2: 反卷积层中的 output_padding是什么意思呢?
问题3: 反卷积层如何计算input和output的形状关系呢?
看了中文文档后,我得不出答案,看了英文文档,才弄明白了。花费了一个下午的时间去研究这个问题,值得用此文纪录一
下。
我们知道,在卷积层中,输入输出的形状关系为:我们知道,在卷积层中,输入输出的形状关系为:
o = [ (i + 2p - k)/s ] +1 (1)
其中:
O : 为 output size
i: 为 input size
p: 为 padding size
k: 为kernel size
s: 为 stride size
[] 为下取整运算
(1) 当当 S=1 时时
若 s等于1,则公式(1)中的取整符号消失,o 与 i 为 一一对应 的关系。 我们有结论:
如果卷积层函数和反卷积层函数的 kernel_size, padding size参数相同(且 stride= 1),设反卷基层的输入输出形状为 i’ 和 o’,
卷积层的输入输出形状i和o, 则它们为 交叉对应 的关系,即:
i = o'
o = i'
为回答问题3, 我们将上述关系代入公式中,即:
i' = o' + 2p - k +1
已知 i’, 即可推出 o’:
o' = i' - 2p + k - 1 (2)
摘两个例子:
weixin_38682161
- 粉丝: 3
- 资源: 972
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功
- 1
- 2
前往页