注册

Caffe的卷积到底是如何计算的呢？

我们经常使用CNN，但是卷积神经网络中，比如前一层有10个卷积核，后一层有20个卷积核。那么对于前一层的10个输出，后面20个卷积核中每个卷积和都与10个输出做卷积，然后对应位置叠加吗？
2016-11-03 添加评论
分享

没有找到相关结果

    已邀请:

    爱在路上 - 想成为菜鸟中的战斗机

    赞同来自:

    卷积层后面一般不是做池化操作嘛
    2016-11-04 0 1
    分享

    bonerkiller - buptldy.github.io

    赞同来自:

    后面的20个卷积核维数是[10, K_h, K_w], 也就是说后面的20个卷积核，其中每个卷积核包含10个二维的卷积核和前一层的10个输出做卷积，然后再加在一起，最后得到20个输出。
    当然Caffe里面的实现并不是这样计算的，可以参考http://buptldy.github.io/2016/10/01/2016-10-01-im2col/
    2016-11-04 0 0
    分享

    Quiet_cbo - 算法攻城狮一枚

    赞同来自:

    建议看下贾扬清大神在知乎上的回答：https://www.zhihu.com/question/28385679/answer/44297845
    知乎上还是有不少干货的 ^_^
    2016-11-04 0 0
    分享

    uestc_yang - UESTC

    赞同来自:

    卷积核的个数是表示当前层输出的featuremap的channels数。比如前一层是10个卷积核，表示前一层输出是n×10×h×w，后一层20个 卷积核，输出是n×20×h‘×w’，不一样的地方是当前层的卷积核的维度是20*10×kernel_size_h*kernel_size_w。每一个卷积核对应一个输出的featuremap，不存在对应位置的叠加。
    2016-11-09 0 0
    分享
    为什么被折叠? 0 个回复被折叠

    要回复问题请先登录或注册

    Copyright © 2021