深度学习面试题15:卷积核需要旋转180度 |
您所在的位置:网站首页 › 特朗普永不言败演讲 › 深度学习面试题15:卷积核需要旋转180度 |
目录
举例
结论
参考资料
在一些书籍和博客中所讲的卷积(一个卷积核和输入的对应位置相乘,然后累加)不是真正意义上的卷积。根据离散卷积的定义,卷积核是需要旋转180的。 按照定义来说,一个输入和一个卷积核做卷积操作的流程是: ①卷积核旋转180 ②对应位置相乘,然后累加 举例 下面这个图是常见的卷积运算图: 中间的卷积核,其实是已经旋转过180度的 即,做卷积的两个矩阵其实是 [[2, 1, 0, 2, 3], [9, 5, 2, 2, 0], [2, 3, 4, 5, 6], [1, 2, 3, 1, 0], [0, 4, 4, 2, 8]] 和 [[1, 0, -1], [1, 0, -1], [1, 0, -1]] 没有旋转只有乘积求和就不叫卷积运算。 但是,在tensorflow中觉得这样很纠结,所以干脆定义的卷积核直接就是旋转后的卷积核,所以tensorflow可以直接对应位置相乘,然后相加 ![]() ![]()
而在scipy中,是按照严格的卷积定义来的,你定义了一个卷积核后,scipy要先将你的卷积核旋转180度,然后才对应位置相乘,再相加。 ![]() ![]()
返回目录
结论 如果你定义的是旋转180度后的卷积核,那就直接对应位置相乘再相加 如果你定义的是未经旋转的卷积核,那需要先旋转180,再对应位置相乘再相加 市面上的参考书大部分描述的卷积核都是旋转后的卷积核,我的博客中也是这样,因为这样更容易理解,不然做一次卷积,你是很难直观看出来结果的。 返回目录
参考资料 什么!卷积要旋转180度?! https://www.jianshu.com/p/8dfe02b61686 二维卷积的计算原理 https://wenku.baidu.com/view/f55e1bc6f90f76c661371ac5.html 返回目录
|
今日新闻 |
点击排行 |
|
推荐新闻 |
图片新闻 |
|
专题文章 |
CopyRight 2018-2019 实验室设备网 版权所有 win10的实时保护怎么永久关闭 |