步幅至少用于两种操作：卷积和池化。这两种操作都可以看作是使用内核（过滤器）对输入应用内核函数。
步幅决定了内核需要对输入执行的“跳跃”量。显然，在极端情况下，如果内核大小和步幅为 1，则输入大小与输出大小相同。在所有其他情况下，输出大小小于输入大小。
所以，我猜想下采样是在任何情况下使用 stride 的唯一目的。我是真的吗？否则，是否存在使用 stride 来达到其他目的的情况？
下采样是使用步幅的唯一目的吗？
人工智能
卷积神经网络
卷积
汇集
大步
2021-10-22 03:52:57
1个回答
stride（连同填充）的一般目的是确定输出的空间维度。因此，通过适当的步幅（和填充），您还可以使输出体积的空间维度大于输入体积的空间维度。事实上，例如在卷积自动编码器的上下文中使用的转置卷积就是基于这个想法。池化用于下采样。
其它你可能感兴趣的问题