向上采样层中的反向传播

时间:2018-08-18 07:48:38

标签: python neural-network deep-learning conv-neural-network deconvolution

我试图制作一个反卷积层,仅使用numpy进行 [UpSampling + Conv层] 。我已经完成了Conv层的构建,但是我不知道UpSampling层的工作原理。

我认为有多个UpSampling层,例如用零填充输出,

1 2 3       1 0 2 0 3 0
4 6 7  ->   0 0 0 0 0 0 
5 9 8       4 0 6 0 7 0
            0 0 0 0 0 0
            5 0 9 0 8 0
            0 0 0 0 0 0

或者只是用最接近的值填充。

1 2 3       1 1 2 2 3 3
4 6 7  ->   1 1 2 2 3 3 
5 9 8       4 4 6 6 7 7
            4 4 6 6 7 7
            5 5 9 9 8 8
            5 5 9 9 8 8

但是,如何在这些层中进行反向传播?

我认为对于第一个UpSampling层,我们只需要使用 dout(从下一层传播的导数)中不为零的部分,但是我不确定。

0 个答案:

没有答案