卷积和池化输出维度变化，如果是不能整除的话，到底是向上取整还是向下取整？怎么判断

卷积神经网络卷积和池化输出维度变化，如果是不能整除的话，到底是向上取整还是向下取整？怎么判断

写回答
好问题 0 提建议
追加酬金
关注问题
分享
邀请回答
编辑收藏删除
收藏举报

1条回答默认最新

关注

码龄粉丝数原力等级 --

被采纳

被点赞

采纳率
爱晚乏客游 2022-10-13 09:52
关注
默认是向下取整，maxpool里面有个参数ceil_mode，默认是false，为True的时候向上取整。当然，你非要反正来也不是不行，没有硬性规定说一定要怎么做。
不过这种情况基本上很少遇到，一般都是需要使用padding操作来避免无法整除的情况。

本回答被题主选为最佳回答 , 对您是否有帮助呢?

解决无用
评论打赏
分享
举报编辑记录

评论

按下Enter换行，Ctrl+Enter发表内容

报告相同问题？

关注问题

卷积和池化输出维度变化，如果是不能整除的话，到底是向上取整还是向下取整？怎么判断 cnn pytorch 神经网络
2022-10-12 17:32

回答 1 已采纳默认是向下取整，maxpool里面有个参数ceil_mode，默认是false，为True的时候向上取整。当然，你非要反正来也不是不行，没有硬性规定说一定要怎么做。不过这种情况基本上很少遇到，一般都是
关于#神经网络#的问题：卷积神经网络中的池化过程，是对输入层池化，还是提取特征值后再池化人工智能机器学习神经网络
2022-06-17 00:31

回答 3 已采纳卷积神经网络结构决定它先利用卷积层提取特征，将提取的特征输入到池化层进行池化，和输入层没关系了
Pytorch编写的卷积神经网络，可训练参数量和总参数量相等，没有不可训练参数，是正常情况吗？ pytorch 有问必答深度学习计算机视觉
2021-05-14 11:51

回答 2 已采纳这是很正常的啊，可以选择 freeze 部分层的参数，也可以所有参数都进行训练，这种也叫 fine-tuning
6. 深度学习——卷积与池化
2023-11-13 07:46

华为云计算搬砖工的博客什么是卷积卷积是很重要的概念，这里我们一定要讲讲。在数学中，称f∗gn(f*g)(n)f∗gn为fgf,gfg的卷积，f∗gn∫−∞∞fτgn−τdτ(.)\tag{.}f∗gn∫−∞∞fτgn−τdτf∗gn∑τ−∞∞fτgn−τ(.)\tag{.}f∗gnτ...
卷积核更新权重是同时加/减算出来的更新值么？ python 人工智能机器学习
2022-12-08 11:48

回答 1 已采纳望采纳是的，在卷积神经网络中，每一个卷积核都会有一个对应的权重矩阵，当网络进行反向传播时，每一个权重矩阵都会计算出一个梯度值，然后乘上学习率之后，再将结果与原来的权重矩阵进行加减运算，得到新的权重矩阵
3*3的卷积相较于5*5的卷积优势是什么？ python 计算机视觉
2022-08-14 18:07

回答 3 已采纳 3x3卷积比5x5尺寸更小，两个3x3卷积的感受野等于5x5卷积，并且参数量少了百分之20多，还多了一层的非线性优化。觉得解决问题了，给个采纳呗。
如何让卷积神经网络中间的某几层参数固定，还不影响正常的训练过程? cnn 人工智能深度学习
2022-01-13 15:01

回答 1 已采纳可以啊，冻结之后只是不更新参数和计算梯度，优化器在step的时候遇到不计算梯度的话自动就不更新参数了，但是反向传播还是正常进行的。
图像特征提取（VGG和Resnet特征提取卷积过程详解）
2021-12-25 16:28

小帆芽芽的博客图像特征提取（VGG和Resnet卷积过程详解）第一章图像特征提取认知 1.1常见算法原理和性能众所周知，计算机不认识图像,只认识数字。为了使计算机能够“理解”图像，从而具有真正意义上的“视觉”，本章我们将研究...
卷积和积分是一种什么样的关系存在？图像处理
2017-07-19 02:16

回答 5 已采纳卷积：函数的加权叠加；积分：定积分和不定积分。
分类卷积神经网络怎么识别视频？思路是什么 tensorflow 人工智能机器学习深度学习神经网络
2020-05-29 20:31

回答 1 已采纳 https://blog.csdn.net/xueweuchen/article/details/44216925
FPGA设计卷积核模块时，卷积核内部参数是如何确定的？机器学习神经网络
2021-03-10 10:55

回答 2 已采纳都可以，你说的是初始化，神经网络训练时，卷积核的参数会向精度最高的地方变化。例如，你的目的地是北京，初始化就是随机把你放在某个位置，训练的过程就是不断靠近北京的过程；训练过程中，卷积核不断向精
深度不学习——————卷积神经网络，LeNet，AlexNet,VGG详解以及PyTorch代码实现
2020-02-18 23:50

qq_26249811的博客卷积神经网络卷积神经网络针对输入全部是图像的情况，将结构调整得更加合理，获得了不小的优势。与常规神经网络不同，卷积神经网络的各层中的神经元是3维排列的：宽度、高度和深度（这里的深度指的是激活数据体的...
有关卷积运算以及池化层替代 python
2023-01-02 20:38

回答 1 已采纳使用较大的池化大小的卷积层 (a) 是一种替代池化层的方法。其他选项都不是替代池化层的方法。步幅是卷积核在输入数据上的滑动步长，是控制卷积输出大小的重要参数。使用较大的步幅 (d) 可以减少输出大小
森说AI：用paddle2.x完成resnet50模型转写并实现前向对齐（1）
2021-08-16 19:40

「已注销」的博客文章目录前言pytorch源码解析resnet50网络结构卷积神经网络基础卷积填充步幅感受野批量操作API介绍池化Relu激活函数批归一化（Batch Normalization）丢弃法Dropout再看ResNet网络结构前言这次飞桨的论文复现的作业...
OverFeat 详解
2020-03-15 21:26

*青云*的博客我们知道对于池化过程，如果步长不能整除 feature map 大小 + 2 padding - 卷积核大小，那么最终输出的特征图大小就会向上取整。换句话说就是先把图像的大小填补成能被刚好池化的大小，再进行池化。（卷积操作相反，...
没有解决我的问题, 去提问

问题事件

关注

码龄粉丝数原力等级 --

被采纳

被点赞

采纳率
系统已结题 10月21日
关注

码龄粉丝数原力等级 --

被采纳

被点赞

采纳率
已采纳回答 10月13日
关注

码龄粉丝数原力等级 --

被采纳

被点赞

采纳率
创建了问题 10月12日

悬赏问题

¥15 关于#MATLAB#的问题，如何解决？（相关搜索：信噪比，系统容量）
¥500 52810做蓝牙接受端
¥15 基于PLC的三轴机械手程序
¥15 多址通信方式的抗噪声性能和系统容量对比
¥15 winform的chart曲线生成时有凸起
¥15 msix packaging tool打包问题
¥15 finalshell节点的搭建代码和那个端口代码教程
¥15 Centos / PETSc / PETGEM
¥15 centos7.9 IPv6端口telnet和端口监控问题
¥20 完全没有学习过GAN，看了CSDN的一篇文章，里面有代码但是完全不知道如何操作

卷积和池化输出维度变化，如果是不能整除的话，到底是向上取整还是向下取整？怎么判断

1条回答 默认 最新

问题事件

悬赏问题

1条回答默认最新