如果我們設置的dilation=0的話，效果如圖：
藍色為輸入，綠色為輸出，可見卷積核為3*3的卷積核
如果我們設置的是dilation=1，那么效果如圖：
藍色為輸入，綠色為輸出，卷積核仍為3*3，但是這里卷積核點與輸入之間距離為1的值相乘來得到輸出
好處：
這樣單次計算時覆蓋的面積（即感受域）由dilation=0時的3*3=9變為了dilation=1時的5*5=25
在增加了感受域的同時卻沒有增加計算量，保留了更多的細節信息，對圖像還原的精度有明顯的提升
免責聲明！
本站轉載的文章為個人學習借鑒使用，本站對版權不負任何法律責任。如果侵犯了您的隱私權益，請聯系本站郵箱yoyou2525@163.com刪除。
猜您在找
PyTorch中backward()函數的gradient參數作用
pytorch的函數中的group參數的作用
ARTS-S pytorch中backward函數的gradient參數作用
pytorch autograd backward函數中 retain_graph參數的作用，簡單例子分析，以及create_graph參數的作用
Pytorch中的自動求導函數backward()所需參數含義
pytorch中的損失函數
Pytorch中的數學函數
pytorch函數zero_grad(),step()作用
C++中函數的參數加了&和const的作用
pytorch 中的variable函數