在实现卷积神经网络时,我一直试图更深入地了解卷积运算。但我在尝试计算向后传递或反卷积时陷入困境。
假设输入是尺寸为 3x7x7
的 3 维 RGB 图像,过滤器的尺寸为 3x3x3
。在将步长设置为 2 进行卷积时,我们将得到维度 3x3
的输出。
现在这是我的问题。我读过反卷积是输出与翻转内核的卷积。但是在翻转内核时,它的尺寸仍然是 3x3x3
并且输出的尺寸是 3x3
。输入的尺寸为 3x7x7
。那么,反卷积是如何计算的呢?
最佳答案
Here是一个很好的可视化如何卷积和反卷积(转置卷积)。白色部分只是零。
关于machine-learning - 在 CNN 中实现多 channel 数据的后向卷积,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/46723856/