步幅
《动手学深度学习 Pytorch版》 6.7 填充和步幅
6.3.1 填充 虽然我们用的卷积核较小,每次只会丢失几像素,但是如果应用多层连续的卷积层,累积的像素丢失就会很多。解决此问题的方法为填充。 填充后的输出形状将为 \((n_h-k_h+p_h+1)\times(n_w-k_w+p_w+1)\) import torch from torch imp ......
步幅与填充——pytorch
import torch from torch import nn def comp_conv2d(conv2d,x): # 在维度前面加上通道数和批量大小数1 x=x.reshape((1,1)+x.shape) # 得到4维 y=conv2d(x) # 把前面两维去掉 return y.resh ......