通用E（2）-等变可控CNN | | | e2cnn是用于等深度深度学习的扩展。 等变神经网络在输入变换的情况下保证了其特征空间的指定变换行为。 例如，经典卷积神经网络（ CNN ）在设计上与其输入的翻译相等。 这意味着图像的翻译会导致网络特征图的相应翻译。 该软件包提供了神经网络模块的实现，这些模块在像平面的所有等距E（2）下均等 即在平移，旋转和反射下。 与传统的CNN相比，E（2）-等变模型可保证在此类转换中进行概括，因此数据效率更高。 E（2）-等变可控CNN的特征空间定义为特征