0%

1.先把所有数据放在一起

2.使用idx标记每段数据的开始和结束位置

核心代码

1
2
3
flip_idx = [len(x) for x in data]
flip_idx = np.cumsum(flip_idx)
flip_idx = np.insert(flip_idx, 0, 0)

转置卷积相对于卷积在神经网络结构的正向和反向传播中做相反的运算
使用的时候需要注意
paddingoutput_padding

因为卷积操作是 floor(input_size / stride), 所以可能存在不同
的input_size对应着同样的output_size, is ambiguious. 所以需要指定
output_size来说明对应的input_size

1
https://www.wfonts.com/font/stxinwei

1
:e ++enc=someencoding somefile

1
2
% !TEX program = xelatex
% !BIB program = bibtex