我是深度學習的新手，正在做深度學習的最后一年專案。我知道我們在影像相關任務中使用 Conv2D，但我的教授問我為什么不使用 Conv1D 或 Conv3D？為什么我們這里專門使用Conv2D。我已經搜索了整個互聯網以獲得這個問題的正確答案，但我似乎沒有找到任何可靠的答案。請在這個問題上幫助我，因為我很困惑，似乎找不到任何正確的答案。
謝謝！
uj5u.com熱心網友回復：
在 1 維 CNN 中，內核沿 1 個方向移動。一維 CNN 的輸入和輸出資料是二維的。它主要用于時間序列資料，因為您可以向左或向右 (x) 移動。
在二維 CNN 中，內核沿 2 個方向移動。2 維 CNN 的輸入和輸出資料是 3 維的。正如您所提到的，它廣泛用于例如與影像相關的任務，因為除了左右移動之外，您還可以上下移動 (x,y)。
在 3 維 CNN 中，內核沿 2 個方向移動。3 維 CNN 的輸入和輸出資料是 4 維的。由于內核在 3 個維度上滑動，因此您有 (x,y,z) 可能的運動。一個示例用例是醫學成像，因為它們是由切片拍攝然后重建的 3 維影像。所有加在一起的切片必須作為一個整體進行分析，因此拍攝單個影像并應用二維卷積是沒有意義的，因為關系丟失了，您需要堆疊所有影像以獲得“3d”表示并使用3維卷積。
轉載請註明出處，本文鏈接：https://www.uj5u.com/qukuanlian/431839.html
上一篇：EFCore錯誤加入物體型別名稱