【神經網絡與深度學習】卷積與反捲積

  1. 卷積與反捲積 如上圖演示了卷積核反捲積的過程，定義輸入矩陣爲 （），卷積核爲 （），輸出矩陣爲 （）： 卷積的過程爲： 反捲積的過稱爲：（需要對此時的  的邊緣進行延拓 padding） 2. 步長與重疊 卷積核移動的步長（stride）小於卷積核的邊長（一般爲正方行）時，變會出現卷積核與原始輸入矩陣作用範圍在區域上的重疊（overlap），卷積核移動的步長（stride）與卷積核的邊長

>>阅读原文<<