卷积神经网络
卷积用来提取特征、池化用来压缩特征
卷积神经网络计算公式
卷积参数共享
对图像中每个区域进行特征提取,权值参数都一样。
池化层
压缩特征,并不是全部特征都重要,所以进行特征压缩。
MaxPooling和AvgPooling
池化层没有涉及任何矩阵计算
卷积神经网络过程
卷积特征提取后,做分类用全连接
。
带参数计算的才算一层。
感受野
堆叠,参数更少
实例
导入包
1、数据读取和预处理
1.1 制作数据源
迁移学习
1、数据不多,训练模型不好
2、模型参数,调各参数费事
3、参数都能先到,训练模型花费时间过多
====》迁移学习。
加载models中提供的模型,并且直接用训练好的权重当作初始化参数
pytorch官网例子
设置哪些层需要训练
优化器选择
训练模块