GPU提速很快
1、卷积神经网络:风格迁移
2、全连接层:许多神经元连接
误差值 偏导数 每个节点的误差梯度 反向传播
灰度化 二值化处理 输入层:
输入层:
one hot 编码
3、卷积层
卷积特性
- 拥有局部感知机制
- 权值共享
卷积层:多维 卷积核与特征矩阵的深度保持一致,RGB三个深度,卷积核就要有三个深度
输出矩阵的个数与卷积核的个数相同
>1.卷积核的channel与输入特征层的channel相同
>2.输出的特征矩阵channel与卷积核个数相同
加上偏移量bias该如何计算?直接加
加上激活函数该如何许算?
如果卷积过程中出现越界的情况该怎么办?
激活函数
越级的时候就是由P的方式进行补全
4、池化层
没有训练参数:卷积层,有自己的卷积核参数
一般只改特征矩阵的宽度和高度,不改变深度