zoukankan      html  css  js  c++  java
  • pytorch转置卷积(反卷积)参数说明,尺寸输入输出的计算

    pytorch转置卷积(反卷积)参数说明,尺寸输入输出的计算

    函数构造:

    class ConvTranspose2d(_ConvTransposeMixin, _ConvNd):
    
        def __init__(self, in_channels, out_channels, kernel_size, stride=1,
                     padding=0, output_padding=0, groups=1, bias=True,
                     dilation=1, padding_mode='zeros'):
    • in_channels(int) – 输入信号的通道数
    • out_channels(int) – 卷积产生的通道数
    • kerner_size(int or tuple) - 卷积核的大小
    • stride(int or tuple,optional) - 卷积步长
    • padding(int or tupleoptional) - 输入的每一条边补充0的层数
    • output_padding(int or tupleoptional) - 输出的每一条边补充0的层数
    • dilation(int or tupleoptional) – 卷积核元素之间的间距
    • groups(intoptional) – 从输入通道到输出通道的阻塞连接数
    • bias(booloptional) - 如果bias=True,添加偏置

    输入输出计算过程:

    h_in = 128*128

    h_out = 56*56

    这里h_in指正向卷积输入

    正向卷积:h_out = (h_in + 2*padding - kernl_size) / stride  +1

    +1是因为除不尽向下取整

    故转置卷积:h_in = (h_out - 1) * stride + kernl_size - 2*padding + output_padding

    output_padding,是因为输出与期望输出有偏差,需在下边补0填充

  • 相关阅读:
    hibernate4 使用及 新特性
    hibernate数据库配置
    Hibernate 插入,修改,删除,查询语句
    Hibernate之HQL总结
    简单编程题
    冒泡排序
    Accelerating Enum-Based Dictionaries with Generic EnumComparer
    本机自定义域名跳转
    ckeditor自己用的配置文件config.js
    RazorExtensions Templated Razor Delegates
  • 原文地址:https://www.cnblogs.com/ywheunji/p/12425910.html
Copyright © 2011-2022 走看看