假設(shè)我們的步幅為2,內(nèi)核大小為3.

使用帶填充的tf.layers.conv2d相同：

情況1：

pad| |pad

inputs: 0 |1 2 3 4 5 |0

|_______|

|_______|

|_______|

案例2：

|pad

inputs: 1 2 3 4 5 6 |0

|_______|

|_______|

|_______|

您可以看到填充將取決于輸入大小.確定具有相同的填充,使得輸出大小為Math.ceil(input_size / stride).您可以閱讀有關(guān)該here的更多信息.

使用resnet的固定填充實(shí)現(xiàn)：

情況1：

pad| |pad

inputs: 0 |1 2 3 4 5 |0

|_______|

|_______|

|_______|

案例2：

pad| |pad

inputs: 0 |1 2 3 4 5 6 |0

|_______|

|_______|

|_______|

填充由內(nèi)核大小唯一定義,并且與輸入大小無(wú)關(guān).

總結(jié)

以上是生活随笔為你收集整理的python里res有什么用_python – 为什么在tensorflow中构建resnet模型时使用固定填充...的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。