Práctica de AA: Clasificación de imágenes
Organiza tus páginas con colecciones
Guarda y categoriza el contenido según tus preferencias.
Comprueba tus conocimientos: Convolución
Se aplica un filtro convolucional de 3×3 de dos dimensiones a un mapa de atributos de entrada de 4×4 de dos dimensiones (no se agrega relleno):
¿Cuál es la forma del mapa de atributos de salida?
2x2
Cuando el filtro de 3×3 se desliza sobre el mapa de atributos de 4×4, se descubren 4 ubicaciones únicas en las que
se puede ubicar, lo que resulta en un mapa de atributos de salida de 2×2:
3 x 3
Si bien el filtro en sí es de 3 x 3, el mapa de características de salida es más pequeño porque hay menos de 9 (3 veces 3) ubicaciones posibles en las que se puede colocar el filtro en el mapa de características de entrada de 4 x 4.
4x4
Para generar un mapa de atributos de salida con las mismas dimensiones que el mapa de atributos de entrada sin relleno, el filtro convolucional debería tener una forma de 1 × 1. Un filtro mayor que 1x1 producirá un mapa de atributos de salida más pequeño que el mapa de atributos de entrada. Como nuestro filtro es de 3 x 3, el mapa de atributos de salida debe ser más pequeño que 4 x 4.
Salvo que se indique lo contrario, el contenido de esta página está sujeto a la licencia Atribución 4.0 de Creative Commons, y los ejemplos de código están sujetos a la licencia Apache 2.0. Para obtener más información, consulta las políticas del sitio de Google Developers. Java es una marca registrada de Oracle o sus afiliados.
Última actualización: 2025-07-27 (UTC)
[null,null,["Última actualización: 2025-07-27 (UTC)"],[[["\u003cp\u003eApplying a 3x3 convolutional filter to a 4x4 input feature map without padding results in a 2x2 output feature map.\u003c/p\u003e\n"],["\u003cp\u003eThe output feature map is smaller than the input because the filter's size limits the number of positions it can occupy on the input.\u003c/p\u003e\n"],["\u003cp\u003eA 1x1 filter would be required to maintain the input's dimensions in the output without padding.\u003c/p\u003e\n"]]],[],null,["# ML Practicum: Image Classification\n\n\u003cbr /\u003e\n\nCheck Your Understanding: Convolution\n-------------------------------------\n\nA two-dimensional, 3x3 convolutional filter is applied to a two-dimensional 4x4 input feature map\n(no padding added):\n\nWhat is the shape of the output feature map? \n2x2 \nAs the 3x3 filter slides over the 4x4 feature map, there are 4 unique locations in which it can be placed, which results in a 2x2 output feature map: \n3x3 \nWhile the filter itself is 3x3, the output feature map is smaller because there are fewer than 9 (3 times 3) possible locations where the filter can be placed on the 4x4 input feature map. \n4x4 \nTo generate an output feature map with the same dimensions as the input feature map with no padding, the convolutional filter would have to be 1x1 in shape. A filter larger than 1x1 will produce an output feature map that is smaller than the input feature map. Because our filter is 3x3, the output feature map must be smaller than 4x4."]]
