卷积神经网络之Padding

填充能解决图像边缘的像素点（如左上角的）只被卷积一次的情况，相当于被忽略了，而中间像素点却可以被多次卷积的情况。两种Padding方式，1）Valid：代表不填充，即P=0；2）Same：代表填充后输出矩阵的大小与原矩阵保持一致，即P = （f-1）/2,其中过滤器的大小为 f X f。...

逍遥

801人浏览 · 2020-01-31 16:45:31

*逍遥* · 2020-01-31 16:45:31 发布

填充能解决图像边缘的像素点（如左上角的）只被卷积一次的情况，相当于被忽略了，而中间像素点却可以被多次卷积的情况。
在这里插入图片描述
两种Padding方式，1）Valid：代表不填充，即P=0；
2）Same：代表填充后输出矩阵的大小与原矩阵保持一致，即P = （f-1）/2 ,其中过滤器的大小为 f X f。
通常将f设置为奇数，这样我们方便我们对称填充，而不会左边多右边少，亦或者右边多左边少。

技术共进，成长同行——讯飞AI开发者社区

更多推荐

论文笔记：AlphaEdit: Null-Space Constrained Knowledge Editing for Language Models（AlphaEdit）

论文发表于人工智能顶会ICLR（基于定位和修改的模型编辑方法（针对和等）会破坏LLM中最初保存的知识，特别是在顺序编辑场景。为此，本文提出AlphaEdit：1、在将保留知识应用于参数之前，将扰动投影到保留知识的零空间上。2、从理论上证明，这种预测确保了在查询保留的知识时，编辑后的LLM的输出保持不变，从而减轻中断问题。3、对各种LLM（包括LLaMA3、GPT2XL和GPT-J）的广泛实验表明，