cuda-convnet 卷积神经网络一般性结构卷积核个数和输入输出的关系以及输入输出的个数的说明:

zhubenfulovepoem

于 2014-06-09 15:40:57 发布

阅读量3.7w

点赞数 9

分类专栏：字符识别OCR研究文章标签： deep learning caffe

本文链接：https://blog.csdn.net/zhubenfulovepoem/article/details/29583429

版权

本文以CIFAR-10为例，详细解析卷积神经网络的一般性结构，包括卷积层和局部连接层的卷积核个数、输入输出关系。在卷积层中，3个32x32的输入通过64个5x5卷积核得到64个feature map。在局部连接层中，64个输入通过64个3x3卷积核得到64个输出，不共享卷积核，形成最终的feature map。

摘要由CSDN通过智能技术生成

卷积神经网络一般性结构卷积核个数和输入输出的关系以及输入输出的个数的说明:

以cifar-10为例:

Initialized data layer 'data', producing3072 outputs
Initialized data layer 'labels', producing1 outputs
Initialized convolutional layer 'conv1',producing 32x32 64-channel output
Initialized max-pooling layer 'pool1',producing 16x16 64-channel output
Initialized cross-mapresponse-normalization layer 'rnorm1', producing 16x16 64-channel output
Initialized convolutional layer 'conv2',producing