如果我们设置的dilation=0的话，效果如图：
蓝色为输入，绿色为输出，可见卷积核为3*3的卷积核
如果我们设置的是dilation=1，那么效果如图：
蓝色为输入，绿色为输出，卷积核仍为3*3，但是这里卷积核点与输入之间距离为1的值相乘来得到输出
好处：
这样单次计算时覆盖的面积（即感受域）由dilation=0时的3*3=9变为了dilation=1时的5*5=25
在增加了感受域的同时却没有增加计算量，保留了更多的细节信息，对图像还原的精度有明显的提升
免责声明！
本站转载的文章为个人学习借鉴使用，本站对版权不负任何法律责任。如果侵犯了您的隐私权益，请联系本站邮箱yoyou2525@163.com删除。
猜您在找
PyTorch中backward()函数的gradient参数作用
pytorch的函数中的group参数的作用
ARTS-S pytorch中backward函数的gradient参数作用
pytorch autograd backward函数中 retain_graph参数的作用，简单例子分析，以及create_graph参数的作用
Pytorch中的自动求导函数backward()所需参数含义
pytorch中的损失函数
Pytorch中的数学函数
pytorch函数zero_grad(),step()作用
C++中函数的参数加了&和const的作用
pytorch 中的variable函数