2024-09-29 23:26:50 发布
网友
我在研究CNN
变量的描述如下所示
Residual units are shown in brackets. where k is the widening factor, N denotes the number of blocks in group (We use k = 2, N = 2
我想知道k实际上意味着什么,以及如何在keras Conv2D层中实现它
k
“剩余单元”是操作的集合(括号中的所有操作,加上单元末尾的一些合并操作),而不是单个卷积
k只是一个乘法器超参数,它将每个操作的深度k放大几倍(例如,使用k=2,Conv2块中的1x1 64*kconv将具有深度128)。 实现这一点很简单,只需在Conv2D表达式中直接用作过滤器的数量。例如,我上面提到的卷积op将实现为:
k=2
Conv2
1x1 64*k
Conv2D
# in __init__ or where you build your network _conv2_with_64xk_filters = keras.layers.Conv2D(64*k, (1,1))
注意:因为k是一个超参数,所以必须在网络构建时知道它,这就是为什么我假设在构建函数中可以使用它
“剩余单元”是操作的集合(括号中的所有操作,加上单元末尾的一些合并操作),而不是单个卷积
k
只是一个乘法器超参数,它将每个操作的深度k
放大几倍(例如,使用k=2
,Conv2
块中的1x1 64*k
conv将具有深度128)。 实现这一点很简单,只需在Conv2D
表达式中直接用作过滤器的数量。例如,我上面提到的卷积op将实现为:注意:因为
k
是一个超参数,所以必须在网络构建时知道它,这就是为什么我假设在构建函数中可以使用它相关问题 更多 >
编程相关推荐