卷积神经网络闲扯-------也许并没有LUAN用的LRN

最新推荐文章于 2024-04-01 23:57:17 发布
最新推荐文章于 2024-04-01 23:57:17 发布
阅读量655 收藏
点赞数
分类专栏： cnn nn
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/MiniCnCoder/article/details/79920763
版权
本文介绍了卷积神经网络中的局部响应归一化（LRN）技术，该技术源自AlexNet，但在VGGNet中被认为作用不大。LRN通过在通道维度上对神经元进行归一化，模拟生物神经元的侧抑制现象。文章提供了TensorFlow中LRN函数的使用示例，并给出了LRN公式的详细解释，帮助读者理解其工作原理。
摘要由CSDN通过智能技术生成

alexnet当中提出，不过VGGNet当中被视为是没啥LUAN用的~


闲来无事也学习下（感性理解下）：

tensorflow函数：

tf.nn.lrn(input,depth_radius=None,bias=None,alpha=None,beta=None,name=None)

The 4-D input tensor is treated as a 3-D array of 1-D vectors (along the last dimension), and each vector is normalized independently. Within a given vector, each component is divided by the weighted, squared sum of inputs within depth_radius. In detail, 
sqr_

最低0.47元/天 解锁文章
Luan-van-PRESENTATION-2.2---Eng.rar_VAN_tcp
09-24
标题中的“Luan-van-PRESENTATION-2.2---Eng.rar_VAN_tcp”暗示了一个关于TCP（传输控制协议）的专题讲座或报告，可能是由Luan van编写的版本2.2，英文版。这个主题可能涉及TCP在计算机网络中的应用和优化，特别是与...
深度学习笔记1(卷积神经网络)
小村长技术blog
06-20 1万+
深度学习笔记1(卷积神经网络)          在看完了UFLDL教程之后，决定趁热打铁，继续深度学习的学习，主要想讲点卷积神经网络，卷积神经网络是深度学习的模型之一，还有其它如AutoEncoding、Deep Belief Network、Restricted Boltzmann Machine和sparse coding等。          在UFLDL教程中提到了针对大型图像的处理
LRN
Black eyes的博客
07-24 1万+
LRN全称为Local Response Normalization，即局部响应归一化层，具体实现在CAFFE_ROOT/src/caffe/layers/lrn_layer.cpp和同一目录下lrn_layer.cu中。   该层需要参数有： norm_region： 选择对相邻通道间归一化还是通道内空间区域归一化，默认为ACROSS_CHANNELS，即通道间归一化； local_si
4用于cifar10的卷积神经网络-4.24Tensorflow中LRN层的工作原理以及添加方法
hongxue8888的博客
11-28 1598
LRN(Local Response Normalize Layer） 局部响应归一化层LRN最早见于Alex的那篇用CNN参加ImageNet比赛的论文，Alex在论文中解释了LRN层模仿了生物神经系统的“侧抑制”机制，对局部神经元的活动创建竞争环境，使得其中响应比较大的值变得相对更大，并抑制其他反馈较小的神经元，增强了模型的泛华能力。Alex在ImageNet数据集上的实验表明，使用LRN后CN
caffe 学习之lrn层没有用
learning notes
07-06 850
看完了扬清大神的知乎答案，看到说lrn层居然没有什么用， 传送门。 group convolution 也没有什么用。
卷积神经网络（convolutional neural network, CNN）
m0_46406029的博客
03-27 2640
卷积神经网络（convolutional neural network, CNN）
2022年市场-软件系统构架设计原则和面向服务的系统构架.pptx
11-14
* 组合/聚合复用原则（Composite/Aggregate Reuse Principle）：优先使用组合/聚合来实现复用，而不是继承。 面向服务的系统构架的优点包括： * 提高系统的灵活性和可扩展性 * 提高系统的可维护性和可靠性 * 减少...
Luan-PHP-Snippets：提升VS Code PHP开发效率的代码段包
资源摘要信息:"本资源为Visual Studio Code编辑器提供的PHP代码段包，名为'luan-...使用Visual Studio Code的PHP开发者可以在扩展市场中搜索并安装'luan-php-snippets'扩展包，以提高开发效率和代码质量。
DyMMer:DyMMer-NFP是在软件产品线中对非功能属性和多种上下文适应方案进行建模的工具
04-29
DyMMer-NFP ... DyMMer-NFP由塞拉联邦大学的安德森·乌查阿（Luan Lima）在德拉（Dra）的监督下创建。 Carla IM Bezerra现在由巴西基哈达州塞阿拉联邦大学的STRATEGy Group（软件重用和QuAliTy Grou
卷积神经网络（CNN）
bolite的博客
08-30 1684
笔记
卷积神经网络(CNN)
顺其自然~专栏
01-12 3万+
卷积神经网络是多层感知机(MLP)的变种，由生物学家休博尔和维瑟尔在早期关于猫视觉皮层的研究发展而来，视觉皮层的细胞存在一个复杂的构造，这些细胞对视觉输入空间的子区域非常敏感，称之为感受野。CNN由纽约大学的Yann Lecun于1998年提出(LeNet-5)，其本质是一个多层感知机，成功的原因在于其所采用的局部连接和权值共享的方式：一方面减少了权值的数量使得网络易于优化；另一方面降低了模型的复杂度、减小了过拟合的风险。当网络的输入为图像时，这些优点将表现地更加明显。
深度学习之卷积神经
最新发布
ueke1的博客
04-01 913
MP神经元本身的权重和偏置是固定的，不具备学习的可能。
CNN卷积神经网络（图解CNN）
WGS.
08-23 7万+
超详细的CNN卷积网络讲解，及经典网络LeNet复现
卷积神经网络Convolutional-Neural-Networks(CNN)理论概述
FPGA/MATLAB学习教程/源码/项目合作开发
03-21 2491
C1层中各平面（由神经元构成）提取图像中不同的局部特征，如边缘特征，上下左右方向特征等，C1层中的输入是有由上一层局部窗口的数值和连接的权值的加权和（也就是卷积，后面会具体解释为什么是卷积），然后通过一个激活函数（如sigmoid 函数，反正切函数）得到C1层的输出，接下来S2层是下采样层，简单来书，由4个点下采样为1个点，也就是4个数的加权平均。看下图2，假设红色的点和黑色的点是C1层第一个特征图的2个不同神经元，感受窗口的大小是5*5的（意味着有25个连接），这2个神经元连接的权值是共享的（相同的）。
卷积神经网络基础知识
Le0v1n 的博客
05-28 2821
卷积神经网络基础知识
【深度学习】一文搞懂卷积神经网络（CNN）的原理（超详细）
热门推荐
AI_dataloads的博客
09-24 28万+
在卷积神经网络中，卷积操作是指将一个可移动的小窗口（称为数据窗口，如下图绿色矩形）与图像进行逐元素相乘然后相加的操作。这个小窗口其实是一组固定的权重，它可以被看作是一个特定的滤波器（filter）或卷积核。这个操作的名称“卷积”，源自于这种元素级相乘和求和的过程。这一操作是卷积神经网络名字的来源。上图这个绿色小窗就是数据窗口。简而言之，卷积操作就是用一个可移动的小窗口来提取图像中的特征。
卷积神经网络（CNN）详细介绍及其原理详解
IronmanJay
01-14 24万+
本文总结了关于卷积神经网络（CNN）的一些基础的概念，并且对于其中的细节进行了详细的原理讲解，通过此文可以十分全面的了解卷积神经网络（CNN），非常适合于作为Deep Learning的入门学习。下面就是本篇博客的全部内容！
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值