卷积、池化、反卷积、反池化、上采样的知识点记录

本文主要是介绍卷积、池化、反卷积、反池化、上采样的知识点记录，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

卷积：

SAME：输入大小不够时会在右边加padding补足。output_shape = ceil(input_shape/ stride_size)

VALID：output_shape = ceil((input_shape + kernel_shape - 1) / stride_size)

 

池化：

池化没有参数，除非使用tf.nn.max_pool_with_argmax_and_mask记录pool时的最大值下标

 

反卷积：

在卷积核大小大于输入大小时，padding默认使用VALID，置SAME没有意义。

padding设置VALID时，stride大小不能大于1；设置为SAME时，要指定output_shape，因为会有两种可能输出。

 

反池化（unpool）:

unPool会需要使用pool时记录的最大值下标

tf.nn.max_pool_with_argmax_and_mask

tf.nn.max_unpool(input, max_pool_with_argmax_and_mask,...)

 

上采样（upsampling）：

使用简单复制或者插值的方式。

这篇关于卷积、池化、反卷积、反池化、上采样的知识点记录的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！

---