我发现DepthwiseConv2D类 在这里. 它使用一个独特的核对每个信道的输入图像。 但是它能够使用相同的核对所有通道?(即参数的共享内层)
0
阅读该文件,我认为同样的核心是使用在所有通道,使该核心权是共有的跨不同的渠道。 一个简单的方法来确认这是创建一个模型的使用 DepthwiseConv2D
与 depth_multiplier=1
印多少参数可以接受培训。 对于一个 3x3
核你应该得到10个参数(9个内核的+偏).
我发现DepthwiseConv2D类 在这里. 它使用一个独特的核对每个信道的输入图像。 但是它能够使用相同的核对所有通道?(即参数的共享内层)
阅读该文件,我认为同样的核心是使用在所有通道,使该核心权是共有的跨不同的渠道。 一个简单的方法来确认这是创建一个模型的使用 DepthwiseConv2D
与 depth_multiplier=1
印多少参数可以接受培训。 对于一个 3x3
核你应该得到10个参数(9个内核的+偏).