Skip to content
体验新版
项目
组织
正在加载...
登录
切换导航
打开侧边栏
Laurence001
d2l-zh
提交
fbfd58da
D
d2l-zh
项目概览
Laurence001
/
d2l-zh
与 Fork 源项目一致
从无法访问的项目Fork
通知
1
Star
0
Fork
0
代码
文件
提交
分支
Tags
贡献者
分支图
Diff
Issue
0
列表
看板
标记
里程碑
合并请求
0
Wiki
0
Wiki
分析
仓库
DevOps
项目成员
Pages
D
d2l-zh
项目概览
项目概览
详情
发布
仓库
仓库
文件
提交
分支
标签
贡献者
分支图
比较
Issue
0
Issue
0
列表
看板
标记
里程碑
合并请求
0
合并请求
0
Pages
分析
分析
仓库分析
DevOps
Wiki
0
Wiki
成员
成员
收起侧边栏
关闭侧边栏
动态
分支图
创建新Issue
提交
Issue看板
前往新版Gitcode,体验更适合开发者的 AI 搜索 >>
未验证
提交
fbfd58da
编写于
1月 04, 2022
作者:
C
cravo123
提交者:
GitHub
1月 03, 2022
浏览文件
操作
浏览文件
下载
电子邮件补丁
差异文件
Edit receptive field translation (#1069)
上级
ec6e7aed
变更
1
隐藏空白更改
内联
并排
Showing
1 changed file
with
2 addition
and
2 deletion
+2
-2
chapter_convolutional-neural-networks/conv-layer.md
chapter_convolutional-neural-networks/conv-layer.md
+2
-2
未找到文件。
chapter_convolutional-neural-networks/conv-layer.md
浏览文件 @
fbfd58da
...
@@ -296,9 +296,9 @@ d2l.reshape(conv2d.get_weights()[0], (1, 2))
...
@@ -296,9 +296,9 @@ d2l.reshape(conv2d.get_weights()[0], (1, 2))
在卷积神经网络中,对于某一层的任意元素$x$,其
*感受野*
(receptive field)是指在前向传播期间可能影响$x$计算的所有元素(来自所有先前层)。
在卷积神经网络中,对于某一层的任意元素$x$,其
*感受野*
(receptive field)是指在前向传播期间可能影响$x$计算的所有元素(来自所有先前层)。
请注意,感受野可能大于输入的实际大小。让我们用 :numref:
`fig_correlation`
为例来解释感受野:
请注意,感受野可能大于输入的实际大小。让我们用 :numref:
`fig_correlation`
为例来解释感受野:
给定$2
\t
imes 2$卷积核,阴影输出元素值$19$的
接收域
是输入阴影部分的四个元素。
给定$2
\t
imes 2$卷积核,阴影输出元素值$19$的
感受野
是输入阴影部分的四个元素。
假设之前输出为$
\m
athbf{Y}$,其大小为$2
\t
imes 2$,现在我们在其后附加一个卷积层,该卷积层以$
\m
athbf{Y}$为输入,输出单个元素$z$。
假设之前输出为$
\m
athbf{Y}$,其大小为$2
\t
imes 2$,现在我们在其后附加一个卷积层,该卷积层以$
\m
athbf{Y}$为输入,输出单个元素$z$。
在这种情况下,$
\m
athbf{Y}$上的$z$的
接收字段
包括$
\m
athbf{Y}$的所有四个元素,而输入的感受野包括最初所有九个输入元素。
在这种情况下,$
\m
athbf{Y}$上的$z$的
感受野
包括$
\m
athbf{Y}$的所有四个元素,而输入的感受野包括最初所有九个输入元素。
因此,当一个特征图中的任意元素需要检测更广区域的输入特征时,我们可以构建一个更深的网络。
因此,当一个特征图中的任意元素需要检测更广区域的输入特征时,我们可以构建一个更深的网络。
## 小结
## 小结
...
...
编辑
预览
Markdown
is supported
0%
请重试
或
添加新附件
.
添加附件
取消
You are about to add
0
people
to the discussion. Proceed with caution.
先完成此消息的编辑!
取消
想要评论请
注册
或
登录