问CNN:计算输出形状
EN

Stack Overflow用户

提问于 2022-07-02 17:35:06

回答 1查看 44关注 0票数 -1

我正在实施一个深层次的神经网络结构，这是一年前发表的，以与我自己的工作进行比较。发表的神经网络将CNN作为神经网络的组成部分之一。CNN的轮廓可以看到这里。

总之，一维卷积是由带有2x6输入矩阵的2x6核执行的。作者从上述卷积中提取了32个特征。我已经写信给作者，但还没有收到任何关于如何提取这32个特征的答复。

如果在座的任何人能帮我弄清楚这32个输出特性是如何产生的，我将非常感激。

非常感谢。

python

keras

conv-neural-network

回答 1

Stack Overflow用户

回答已采纳

发布于 2022-07-04 15:28:20

它是卷积层的信道数。换句话说，它是“卷积核的数目”。对于大小为2x6的卷积核应用于整个输入“向量序列”的一个2x6部分，就会得到一个标量，使用32个卷积核，就可以得到32个特征。有点像torch.nn.Conv1d(in_channels=1, out_channels=32, kernel_size=1, stride=1

也许你应该回顾一下卷积是如何进行的。也许CS231n幻灯片会有所帮助，您可以从第65页开始。注意第78页。您可以参考PyTorch文档一维卷积和二维卷积。

票数 0

页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持

原文链接：

https://stackoverflow.com/questions/72841174

复制

相似问题

问CNN:计算输出形状
EN

回答 1

Stack Overflow用户

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问CNN:计算输出形状EN

回答 1

Stack Overflow用户

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问CNN:计算输出形状
EN