神经网络中的filter（滤波器）和kernel（内核）的概念

kernel: 内核是一个2维矩阵，长 × 宽；

filter：滤波器是一个三维立方体，长× 宽 × 深度，其中深度便是由多少张内核构成；可以说kernel 是filter 的基本元素，多张kernel 组成一个filter;

那么，一个filter 中应该包含多少张 kernel 呢？

答：是由输入的通道个数所确定，即，输入通道是3个特征时，则后续的每一个filter中包含3张kernel ;

filter输入通道是包含128个特征时，则一个filter中所包含kernel 数是128张。

那么一层中应该有多少个filter 构成呢？

答：我们想要提取多少个特征，即我们想要输出多少个特征，那么这一层就设置多少个filter；

一个filter 负责提取某一种特征，N个filter 提取 N 个特征；

我们可以认为Filter扫过一张图片这件事，其实就是Convolution，这也是为什么Convolutional Layer要叫做Convolutional Layer的关系。

Pooling做的事情就是把图片变小，比如我们做完Convolution以后我们会得到一张图片，这一张图片裡面有很多的 Channel,那做完 Pooling 以后,我们就是把这张图片的 Channel 不变,本来 64 个 Channel 还是 64 个 Channel,但是我们会把图片变得比较狭长一点。

神经网络中的filter（滤波器）和kernel（内核）的概念相关推荐

2020-12-09 深度学习卷积神经网络中感受野的详细介绍
卷积神经网络中感受野的详细介绍 1. 感受野的概念在卷积神经网络中,感受野(Receptive Field)的定义是卷积神经网络每一层输出的特征图(feature map)上的像素点在输入图片上映射 ...
慕尼黑工业大学最新综述：深度神经网络中的不确定性
©PaperWeekly 原创 · 作者 | 王馨月学校 | 四川大学本科生研究方向 | 自然语言处理概要在过去的十年中,神经网络几乎遍及所有科学领域,并成为各种现实世界应用的重要组成部分.由 ...
xml文件卷积神经网络_理解卷积神经网络中的输入与输出形状(Keras实现)
即使我们从理论上理解了卷积神经网络,在实际进行将数据拟合到网络时,很多人仍然对其网络的输入和输出形状(shape)感到困惑.本文章将帮助你理解卷积神经网络的输入和输出形状. 让我们看看一个例子.CNN ...
【TensorFlow】TensorFlow从浅入深系列之十一 -- 教你深入理解卷积神经网络中的卷积层
本文是<TensorFlow从浅入深>系列之第11篇 TensorFlow从浅入深系列之一 -- 教你如何设置学习率(指数衰减法) TensorFlow从浅入深系列之二 -- 教你通过思维 ...
卷积神经网络中不同类型的卷积方式介绍
之前在文章<<模型汇总_1>牛逼的深度卷积神经网络CNN>详细介绍了卷积神经网络的基本原理,以及常见的基本模型,如LeNet,VGGNet,AlexNet,ReseNet,In ...
深度学习（二）神经网络中的卷积和反卷积原理
原文作者:aircraft 原文地址:https://www.cnblogs.com/DOMLX/p/9579392.html 一.卷积在深度学习的过程中,很多神经网络都会用到各种卷积核来进行操作, ...
CNN中的filter
分解一张图片 CNN 的第一步是把图片分成小块.我们通过选取一个给定宽度和高度的滤波器来实现这一步. 滤波器会照在图片的小块 patch (图像区块)上.这些 patch 的大小与滤波器一样大. 如之 ...
如何理解卷积神经网络中的通道（channel）
在卷积神经网络中我们通常需要输入 in_channels 和 out_channels ,即输入通道数和输出通道数,它们代表什么意思呢?本文将给出一个形象的理解. 对于通道的理解可以参考下面的这篇文章 ...
Linux kernel内核编译配置选项详解
转载于:http://lamp.linux.gov.cn/Linux/kernel_options.html 作者:金步国 Code maturity level options 代码成熟度选项 Pr ...

神经网络中的filter（滤波器）和kernel（内核）的概念

神经网络中的filter（滤波器）和kernel（内核）的概念相关推荐

最新文章

热门文章