最近在看《深度學習之美:AI時代的數據處理與最佳實踐》發現對于卷積核深度的理解有點混淆。

于是又看了《TensorFlow:實戰Google深度學習框架(第2版)》，分清了卷積核輸入深度和輸出深度。

但是，對于如何把3×3×3的矩陣卷積到3×3×6 ? 終于在《動手學深度學習》中搞懂了！

（1）首先對于灰度圖片進行卷積，即二維矩陣，卷積即對應位置元素相乘再相加，如下圖：

（2）如果圖片是彩色的，那么我們輸入三維矩陣，每一維都要有對應的卷積核，在逐維卷積后，對應元素相加，便得到最終的輸出矩陣。如下圖：

（3）經過上述操作，我們卷積后的得到的矩陣還是二維的，即一個平面。那么如果我們需要挖掘更深層次的特征，是不是可以把操作（2）多重復幾次，也就是使用不同的卷積核 / 過濾器進行多次卷積，這樣便會生成多個特征矩陣。卷積核個數也就是我們說的卷積核輸出深度，而圖片的第三位通道數則為卷積核輸入深度，和卷積核的寬、高統稱為卷積核的尺寸，卷積過程見下圖：

注：這里為了作圖方便，n個卷積核內容都一樣，所以輸出的特征矩陣也一樣，實際會用不同的卷積核構造輸出深度。

今天看了篇新資料，里面卷積講的挺好的，引用如下：
【一文讀懂Faster RCNN】

猜你喜歡：👇🏻
?【隨筆】深度學習之美——楊家有女初長成，養在深閨人未識
?【隨筆】激活函數是怎樣一種存在？

總結

以上是生活随笔為你收集整理的【随笔】卷积神经网络中的卷积怎么卷？的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。