[DeeplearningAI笔记]卷积神经网络4.11一维和三维卷积

内容导读

互联网集市收集整理的这篇技术教程文章主要介绍了[DeeplearningAI笔记]卷积神经网络4.11一维和三维卷积，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含578字，纯文字阅读大概需要1分钟。

内容图文

4.4特殊应用:人脸识别和神经网络风格转换

觉得有用的话,欢迎一起讨论相互学习~Follow Me

4.11一维和三维卷积

二维和一维卷积

• 对于2D卷积来说，假设原始图像为\(14*14*3\)的三通道图像，使用32个\(5*5*3\)的卷积核(其中3表示通道数，一般只关注感受野的大小，而卷积核的深度大小与输入的通道数相同)进行卷积，则得到大小为\(10*10*32\)大小的特征图。

• 对于1D卷积而言，假设原始图像为\(14*1\)的单通道灰度图像，使用16个\(5*1*1\)的卷积核(因为处理的是单通道图像，所以第一层卷积核的最后一维度为1)进行卷积，则得到大小为\(10*16\)的特征图，其中10表示列的数量，1维数据行的数量默认为1,16表示通道数，与进行处理的卷积核数量一致。

  3D卷积

• 以CT图片为例，以X光照射人体，可以获得贯穿你身体的不同片段图片。本质上这个数据是三维的，其具有高度，宽度和深度，其中的每一张图片都与人体不同深度的切片相对应。

• 注意 3D卷积和2D卷积一样长宽和高并不一定要相等，其在长宽和高上都有维度，卷积核的长宽和高在维度上也不一定要一致
  

原文：https://www.cnblogs.com/cloud-ken/p/9498761.html

内容总结

以上是互联网集市为您收集整理的[DeeplearningAI笔记]卷积神经网络4.11一维和三维卷积全部内容，希望文章能够帮你解决[DeeplearningAI笔记]卷积神经网络4.11一维和三维卷积所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。

内容备注

版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。

内容手机端

---