$ $开始组$

我读到,计算关于卷积层输入的误差导数,与下一层的增量和旋转的权重矩阵之间的卷积相同。180美元,请即类似的东西

$$\delta^l ij=\delta ^ l+1 ij*rot180(w ^ l+1)f'(x ^ l ij)$美元

具有$*$卷积算子;有效期为步幅=1美元(二)但当步幅大于1美元是吗?是仍然是一个核旋转的卷积,还是我不能简化?

$\EdTrime$$
  • $ $开始组$ 你错过了格式设置吗? $\EdTrime$$- 达塔 18年3月27日8:57
+ 25
$ $开始组$

从以下链接的文章中找到:

“我们发现,在几个图像识别基准点上,最大池可以简单地被一个步幅增加的卷积层所取代,而不会损失精度。”

这意味着只跳过矩阵中的值(=进行池),否则,所有的工作都应该像卷积一样。

资料来源:

网址:https://arxiv.org/pdf/1412.6806.pdf

https://stackoverflow.com/必威英雄联盟questions/44666390/max-pool-layer-vs-covolcution-with-stead-performance

$\EdTrime$$
  • $ $开始组$ 这不是我问题的答案;你说的是合用,我的问题是关于反传播算法中的简单卷积。 $\EdTrime$$- 香菇属 18年4月2日14:52
  • $ $开始组$ 好,重点是,跨步带来了汇集的现象,否则它不会改变CNN的表现,如果我正确阅读了我的资料来源,也是正确的。 $\EdTrime$$- 米哥 18年4月2日14:55
  • $ $开始组$ 或许你可以在datascience.se网站上获得更直接的专业经验。我属于这两种人,因此我对这个问题有所了解。 $\EdTrime$$- 米哥 18年4月2日15:01
0
$ $开始组$

我也有同样的问题,我试着用步幅来推导conv层的后向传播,但它不起作用,当你向前传播时,您选择相邻的元素与内核进行卷积,比迈出一步>1。这就导致了在后俯视图中,在逆向操作中,delta矩阵元素将乘以内核元素,(随着旋转)但不像步幅那样大,但你选择的元素不是彼此相邻的,类似于dy_11*k_11+dy_13*k_12+dy_31*k_21+dy_33*k_22,这并不等同于步幅大于1的卷积。

就我而言,如果我想自己实现convnet,更好地理解这个概念,我必须为backprop实现不同的方法,如果我允许跨步。

$\EdTrime$$

你的答案

点击“发布你的答案”,您确认已阅读我们的更新服务条款,请隐私政策cookie策略,请您继续使用本网站必须遵守这些政策。

不是你要找的答案?浏览标记的其他问题必威英雄联盟 必威电竞问你自己的问题.