创建网站平台,自助建站系统开发,投资小利润高的小生意,大朗做网站在通道数增多与卷积之后得到的图像特征数量有关
卷积层的作用本来就是把输入中的特征分离出来变成新的 feature map#xff0c;每一个输出通道就是一个卷积操作提取出来的一种特征。在此过程中ReLU激活起到过滤的作用#xff0c;把负相关的特征点去掉#xff0c;把正相关的留…通道数增多与卷积之后得到的图像特征数量有关
卷积层的作用本来就是把输入中的特征分离出来变成新的 feature map每一个输出通道就是一个卷积操作提取出来的一种特征。在此过程中ReLU激活起到过滤的作用把负相关的特征点去掉把正相关的留下。输出的通道数越多就代表分理出来的特征就越多但也可能存在重复的特征毕竟是一个概率问题。 如果是240240彩色图像它有RGB三通道。 使用任意大小的卷积核与其三个通道分别相卷积如果是33的卷积核就是3*3的卷积核与3个通道都各卷积一次得到卷积后的三个通道将三个通道对应位置相加得到一张图片就是一个通道所以有多少个卷积核就有多少通道每个卷积核都会与原通道相卷积再相加得到一个通道。有多少卷积核就会循环多少遍
我们可以通过以下代码来计算通道数
tf.nn.conv2d(input,filter,strides,padding,use_cudnn_on_gpuTrue,data_formatNHWC,dilations[1, 1, 1, 1],nameNone
)
