ML プラクティス: 画像分類
理解度チェック: 畳み込み
2 次元の 3x3 畳み込みフィルタが、2 次元の 4 × 4 入力特徴マップに適用されます(パディングは追加されません)。

出力特徴マップの形状は?
2×2
3x3 フィルタは 4x4 フィーチャー マップ上をスライドするため、配置できる場所は 4 つあり、2x2 の出力フィーチャー マップになります。

3×3
フィルタ自体は 3x3 ですが、4x4 入力特徴マップに指定できるフィルタ位置は 9 個(3 倍 3 個)未満であるため、出力特徴マップは小さくなります。
4×4
パディングなしの入力特徴マップと同じ寸法の出力特徴マップを生成するには、畳み込みフィルタの形状が 1x1 である必要があります。1x1 より大きいフィルタは、入力特徴マップよりも小さい出力特徴マップを生成します。フィルタは 3x3 であるため、出力特徴マップは 4x4 より小さくする必要があります。
特に記載のない限り、このページのコンテンツはクリエイティブ・コモンズの表示 4.0 ライセンスにより使用許諾されます。コードサンプルは Apache 2.0 ライセンスにより使用許諾されます。詳しくは、Google Developers サイトのポリシーをご覧ください。Java は Oracle および関連会社の登録商標です。
最終更新日 2022-09-27 UTC。
[null,null,["最終更新日 2022-09-27 UTC。"],[[["Applying a 3x3 convolutional filter to a 4x4 input feature map without padding results in a 2x2 output feature map."],["The output feature map is smaller than the input because the filter's size limits the number of positions it can occupy on the input."],["A 1x1 filter would be required to maintain the input's dimensions in the output without padding."]]],[]]