Python深度学习pytorch神经网络多输入多输出通道
虽然每个图像具有多个通道和多层卷积层。例如彩色图像具有标准的RGB通道来指示红、绿和蓝。但是到目前为止，我们仅展示了单个输入和单个输出通道的简化例子。这使得我们可以将输入、卷积核和输出看作二维张量。
当我们添加通道时，我们的输入和隐藏的表示都变成了三维张量。例如，每个RGB输入图像具有 3 × h × w 的形状。我们将这个大小为3的轴称为通道（channel）维度。在本节中，我们将更深入地研究具有多输入和多输出通道的卷积核。
多输入通道
当输入包含多个通道时，需要构造一个与输入数据具有相同输入通道数目的卷积核，以便与输入数据进行互相关计算。
多输出通道
到目前为止，不论有多少输入通道，我们还只有一个输出通道。然而，每一层有多个输出通道是至关重要的。
在最流行的神经网络架构中，随着神经网络层数的加深，我们常会增加输出通道的维数，通过减少空间分辨率以获得更大的通道深度。
直观地说，我们可以将每个通道看作是对不同的特征的相应。
1×1卷积层
1 × 1卷积，这看起来似乎没有多大意义。毕竟，卷积的本质是有效提取相邻像素间的相关特征，而 1 × 1卷积显然没有此作用。尽管如此， 1 × 1 仍然十分流行，时常包含在复杂深层网络的设计中。
因为使用了最小窗口， 1 × 1 卷积失去了卷积层的特有能力——在高度核宽度维度上，识别相邻元素间相互作用的能力。其实， 1 × 1 卷积的唯一计算发生在通道上。
下图展示了使用 1 × 1 卷积核与3个输入通道和2个输出通道的互相关计算。这里输入和输出具有相同的高度和宽度，输出中的每个元素都是从输入图像中的同一位置的元素的线性组合。我们可以将 1 × 1 卷积层看作是在每个像素位置应用的全连接层。
以上就是Python深度学习pytorch神经网络多输入多输出通道的详细内容，更多关于pytorch神经网络多输入多输出通道的资料请关注脚本之家其它相关文章！
相关文章
这篇文章主要介绍了python实现备份目录的方法,实例总结了Python实现备份目录的三种常用技巧,具有一定参考借鉴价值,需要的朋友可以参考下2015-08-08
俄罗斯方块的逻辑很简单,就是几个方块组合在一起,然后下落,当其碰到四周的墙壁后便无法移动,若某行被方块所填满,那么就删除这一行,然后此行上面的所有方块下降一行,本文给大家介绍了用Pygame实现俄罗斯方块,文中代码示例介绍的非常详细,需要的朋友可以参考下2023-12-12
在Python中pandas.DataFrame重置索引名称的实例
今天小编就为大家分享一篇在Python中pandas.DataFrame重置索引名称的实例，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2018-11-11
详解pyqt5的UI中嵌入matplotlib图形并实时刷新(挖坑和填坑)
这篇文章主要介绍了详解pyqt5的UI中嵌入matplotlib图形并实时刷新(挖坑和填坑)，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧2020-08-08
这篇文章主要介绍了Python3简单爬虫抓取网页图片代码实例,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下2019-08-08
在 Python 开发中，yield 关键字的使用其实较为频繁，例如大集合的生成，简化代码结构、协程与并发都会用到它。但是，你是否真正了解 yield 的运行过程呢？这篇文章，我们就来看一下 yield 的运行流程，以及在开发中哪些场景适合使用yield2021-05-05
python django事务transaction源码分析详解
这篇文章主要介绍了python django事务transaction源码分析详解的相关资料,需要的朋友可以参考下2017-03-03
这篇文章主要介绍了python修改文件内容的3种方法详解,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下2019-11-11
这篇文章主要为大家详细介绍了python实现聚类算法原理，具有一定的参考价值，感兴趣的小伙伴们可以参考一下2018-02-02
最近业务需要对Pyhon中的一些字符串内容去除空格,方便后续处理,下面这篇文章主要给大家介绍了关于python去除字符串中空格的6种常用方法,文中通过实例代码介绍的非常详细,需要的朋友可以参考下2023-05-05
最新评论