一、卷积的本质
1.离散卷积:可以用丢色子理解
由上图分析可知,我们可以用卷积公式表示电数和为t的概率
2.二维卷积
我们常说的图像卷积,就是这种二维卷积
例如,对图像进行滤波,就是对某一像素滤波的结果:
二、深度学习平台介绍
1.pytorch
目前本人课题使用的框架是Pytorch架构
目前,本人正在尝试将Pytorch模型部署到JetsonNano中,确实如同表格对比所示,部署过程异常困难,问题较大,目前已将pt模型转化为onnx部署
① 基本概念
三、卷积神经网络
1.基本概念:
这里需要注意的是,多通道卷积的输出取决于卷积核的通道数
2.卷积神经网络基本构成
① 卷积层:即K个滤波器
② 下采样层:采用平均下采样法或最大值下采样法
③ 后面:连接全连接层
3.传播过程
正向传播过程如下:
四、LeNet-5网络
1.网络结构:
2.网络特征:
五、基本卷积神经网络(Alexnet)
1.网络结构
2.网络改进
3.残差网络的作用:解决梯度消失问题
何为梯度消失?
残差块的结构: