实施 CNN - 但图表是俄语
implementing CNN - but graph is in russian
所以通过 google 翻译我想通了
- Вход表示输入
- Слой 表示图层。
- Свертка表示卷积（这个
必须是过滤器的数量？）
- Шаг表示step（这一定是stride？）
- субдискр 表示子磁盘（我猜这是池化？）
现在我的问题是
大小为 22x256 的图像结果为 6x256 并带有 5 个过滤器？
我在 6x256 中发现的过滤器大小（内核）是 [17,1] 和 1 个过滤器。从第 1 层到第 1 层，内核大小为 [1,8]，步幅为 [1,8] 是我发现的工作方式。不过，这在这张图表上看起来一点都不像。
在论文中，他们写了关于 1 和 2 之间的层的内容
"The second layer allows to reduce the dimensionality of the signal in time, producing a weighted average of the signal over 16 values"
Here清楚地解释了输入的大小如何随着层之间的处理而变化。
在输入中，您提供的尺寸为 28 宽和 28 高，深度为 1。对于第 1 层中的过滤器，过滤器的深度尺寸必须等于输入的深度。所以过滤器的维度将为 5x5x1，应用一个过滤器，维度会减少（由于步幅）以产生 14x14x1 维度的激活图，因此应用 32 个这样的过滤器将为您提供 32 个激活图。结合所有这些 14x14x32 是第 1 层的输出并输入到第二层。再次在第二层中，您需要在该层上应用尺寸为 5(width)x5(height)x32(depth) 的过滤器以生成一个 14x14x1 的激活图，堆叠所有 64 个激活图可为您提供第二层的输出尺寸14x14x64 等等。
在您发布的图中，在表示上看起来非常不同。检查你的语言的标准。
我问作者：
他们告诉我他们使用的是一维 CNN。
这意味着第一个数字是深度，第二个数字是宽度：
深度@宽度。
所以通过 google 翻译我想通了
- Вход表示输入
- Слой 表示图层。
- Свертка表示卷积（这个 必须是过滤器的数量？）
- Шаг表示step（这一定是stride？）
- субдискр 表示子磁盘（我猜这是池化？）
现在我的问题是 大小为 22x256 的图像结果为 6x256 并带有 5 个过滤器？ 我在 6x256 中发现的过滤器大小（内核）是 [17,1] 和 1 个过滤器。从第 1 层到第 1 层，内核大小为 [1,8]，步幅为 [1,8] 是我发现的工作方式。不过，这在这张图表上看起来一点都不像。
在论文中，他们写了关于 1 和 2 之间的层的内容
"The second layer allows to reduce the dimensionality of the signal in time, producing a weighted average of the signal over 16 values"
Here清楚地解释了输入的大小如何随着层之间的处理而变化。
在输入中，您提供的尺寸为 28 宽和 28 高，深度为 1。对于第 1 层中的过滤器，过滤器的深度尺寸必须等于输入的深度。所以过滤器的维度将为 5x5x1，应用一个过滤器，维度会减少（由于步幅）以产生 14x14x1 维度的激活图，因此应用 32 个这样的过滤器将为您提供 32 个激活图。结合所有这些 14x14x32 是第 1 层的输出并输入到第二层。再次在第二层中，您需要在该层上应用尺寸为 5(width)x5(height)x32(depth) 的过滤器以生成一个 14x14x1 的激活图，堆叠所有 64 个激活图可为您提供第二层的输出尺寸14x14x64 等等。
在您发布的图中，在表示上看起来非常不同。检查你的语言的标准。
我问作者： 他们告诉我他们使用的是一维 CNN。 这意味着第一个数字是深度，第二个数字是宽度：
深度@宽度。