卷积神经网络
层 卷积层 下采样层/池化层 全连接层
特征图/核图/特征映射/核映射 各层处理的结果,就是一个像素矩阵
神经元 特征图上的一个个像素
卷积核 激活函数 有同等地位,是各层之间的桥梁,都是函数,把上一层的图作为输入,下层的图作为输出
softmax 点击打开链接 算是一种归一化,一个向量,将每个元素作为e的指数,构成一个新的向量,新的向量的各个元素分别除以所有元素和即得到最终的归一化向量,公式如下:
![](https://img-blog.csdn.net/20180704170224996?watermark/2/text/aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2JhaWR1XzQxODcyMzI2/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70)
问题:python资源
解答:
python资源中文版点击打开链接
python资源英文版点击打开链接