1.端到端的学习方式
-
2 汇合(池化)层的引入是仿照人的视觉系统对视觉输入对象进行降维(降采样)和抽象。在卷积神经网络过去的工作中,研究者普遍认为汇合层有如下三种功效:
(1)特征不变性。汇合操作使模型更关注是否存在某些特征而不是特征具体的位置。可看作是一种很强的先验,使特征学习包含某种程度自由度,能容忍一些特征微小的位移。
(2)特征降维。由于汇合操作的降采样作用,汇合结果中的一个元素对应于原输入数据的一个子区域,因此汇合相当于在空间范围内做了维度约减,从而使模型可以抽取更广范围的特征。同时减小了下一层输入大小,进而减小计算量和参数个数。
(3)在一定程度上防止过拟合。
-
3 激活函数
激活函数层,又称非线性映射层。增加整个网络的非线性表达能力。
修正线型单元ReLu(Rectified Linear Unit),是目前深度卷积神经网络最常用的激活函数之一。
ReLu(其大于0的