深度学习课程总结（stage2）

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：