1.介绍
Neural Style transfer神经风格转换:
通过NN把内容图像按照风格图像重绘。
参数过多,训练时对内存和计算量的需求过大;
数据获得的太少,导致过拟合;
2.卷积计算
输出维度取决于卷积核的数量N_filter。
参数量=(KK \ 前一层特征图的通道数 )* 当前层N_filter +偏置项(一般默认等于N_filter*D_filter)
image—>filter—->image
1 | nn.Conv2d#conv-forward |
垂直边缘检测器
三种边缘检测器
旋转90°,变为水平检测器;
Pading
f(filter的长和宽)总是奇数,方便对称填充,有个特殊点。
n+2p-f+1===n; 使得Padding后的图形,在做卷积操作后的输出维度保持不变
此时p=(f-1)/2
3.Strided Convolution
https://www.bilibili.com/video/BV1e54y1b7uk?p=5&spm_id_from=pageDriver
4.Convolutions on volumes
高维上的卷积