首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往
您找到你想要的搜索结果了吗?
是的
没有找到

[转载]对深度可分离卷积、分组卷积、扩张卷积、转置卷积(反卷积)的理解

在可分离卷积(separable convolution)中,通常将卷积操作拆分成多个步骤。而在神经网络中通常使用的就是深度可分离卷积(depthwise separable convolution)。 举个例子,假设有一个3×3大小的卷积层,其输入通道为16、输出通道为32。 那么一般的操作就是用32个3×3的卷积核来分别同输入数据卷积,这样每个卷积核需要3×3×16个参数,得到的输出是只有一个通道的数据。之所以会得到一通道的数据,是因为刚开始3×3×16的卷积核的每个通道会在输入数据的每个对应通道上做卷积,然后叠加每一个通道对应位置的值,使之变成了单通道,那么32个卷积核一共需要(3×3×16)×32 =4068个参数。

02

如何利用WDM波分复用技术来扩展光纤容量?

网络提供商一直面临着如何应对不断扩大的带宽需求,维护随着倍增光纤容量带来的更多服务数量和用户端点,WDM波分复用技术的应用是除了增加铺设光缆之外的另外一种解决方案。对已建的光纤系统,WDM波分复用技术可进一步增容,实现多个单向信号或双向信号的传送而不需要对原系统进行大的改动,具有灵活性。在骨干网及长途网络中广泛应用之外,基于CWDM和FOADM(固定光分插复用器)的波分复用技术也同时在城域网开始得到应用。WDM的特点和优势也在CATV传输系统中表现出广泛的应用前景。即将到来的5G应用促进全光网的升级,作为全光网中的关键部分,ROADM市场有望迎来快速增长,特别是在城域网中的应用。

03
领券