Conv2d常设置参数意义-继续扩展

Posted wanghui-garcia

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了Conv2d常设置参数意义-继续扩展相关的知识,希望对你有一定的参考价值。

记录下一些常用设置:

1.下采样

当设置为:

nn.Conv2d(nc,ndf,4,2,1,bias=False)

kernel_size = 4, stride = 2, padding = 1,就是将特征图宽高缩小一倍的意思,就比如是将256*256 -> 128*128

 

nn.Conv2d(cndf,cndf,3,1,1,bias=False)

这样就是特征图宽高不变的意思

 

2.上采样

输入为1*1:

nn.ConvTranspose2d(nz, cngf, 4, 1, 0, bias=False)

上面这样就是得到4*4的特征图,1*1 -> 4*4

 

nn.ConvTranspose2d(cngf, cngf // 2, 4, 2, 1, bias=False)

单纯上面这样设置即上采样1倍,就比如是将 128*128 -> 256*256

以上是关于Conv2d常设置参数意义-继续扩展的主要内容,如果未能解决你的问题,请参考以下文章

如何确定 Keras Conv2D 函数中的“过滤器”参数

tf.nn.conv2d 参数介绍

keras.layers.Conv2D的默认内核大小,零填充和步幅是什么?

深度学习入门,Keras Conv2D类参数详解

paddle Conv2D参数,在手撕数字识别案例中调参数;卷积神经网络的卷积核大小个数,卷积层数如何确定呢?

TensorFlow conv2d实现卷积