July18_2021卷积神经网络

最新推荐文章于 2024-04-30 11:15:00 发布

stevedreamer

最新推荐文章于 2024-04-30 11:15:00 发布

阅读量185

点赞数 1

分类专栏：神经网络文章标签： python

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/baidu_39056574/article/details/118874401

版权

神经网络专栏收录该内容

5 篇文章 0 订阅

订阅专栏

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

在这里插入图片描述

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。
在这里插入图片描述

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。

在这里插入图片描述
MaxPooling和AvgPooling

池化层没有涉及任何矩阵计算

卷积神经网络过程

在这里插入图片描述
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

在这里插入图片描述
堆叠，参数更少

实例

在这里插入图片描述

导入包

在这里插入图片描述

1、数据读取和预处理

在这里插入图片描述

1.1 制作数据源

在这里插入图片描述

迁移学习

在这里插入图片描述
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

在这里插入图片描述

pytorch官网例子

在这里插入图片描述

设置哪些层需要训练

在这里插入图片描述

优化器选择

在这里插入图片描述

训练模块

在这里插入图片描述

关注

1
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
July18_2021卷积神经网络

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
复制链接

扫一扫

专栏目录

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

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。