标签: machine-learning conv-neural-network
如果您有32个输入通道和16个滤波器,通道17-32是否会掉线?还是放弃了16个随机通道,还是所有通道都通过了?如果过滤器多于输入通道怎么办?
我了解到第一个过滤器/内核与卷积层中的相应通道进行卷积-第一个通道具有第一个过滤器,第二个通道具有第二个过滤器等-但是如果输入通道数为不等于过滤器的数量? (来源:http://machinelearninguru.com/computer_vision/basics/convolution/convolution_layer.html)
答案 0 :(得分:1)
如果具有32个输入通道,则输入具有形状(样本,W,H,32)。那么您的16个过滤器将具有形状(F_W,F_H,32)。如您所见,每个滤波器都有32个通道,因此在进行卷积时,它是兼容的,因为滤波器中的通道数等于输入中的通道数。
然后,由于有16个过滤器,所以在完成所有16次卷积后,由于每个卷积操作都会生成一个特征图,因此您将具有16通道输出特征图。
答案 1 :(得分:0)
此处输入通道表示深度。像RGB图像一样,我们有3个通道。 这16个滤波器的作用是,它们计算出16个不同的特征图(FM),并将这16个FM输入到下一层。
希望这会有所帮助!