CNN的层级结构

 

CNN的层级结构

 

1、CNN的层级结构包括：

 

数据输入层/ Input layer

 

卷积计算层/ CONV layer

 

ReLU激励层 / ReLU layer

 

池化层 / Pooling layer

 

全连接层 / FC layer

 

Batch Normalization层(可能有)

 

2、一般 CNN 结构依次为：

 

INPUT

[[CONVà RELU]*N àPOOL]*M

[FC àRELU]*K

FC

数据输入层/ Input layer

有3种常见的数据处理方式：

 

1）去均值

 

2）把输入数据各个维度都中心化到0

 

3）归一化

幅度归一化到同样的范围

 

4）PCA/白化

用PCA降维

白化是对数据每个特征轴上的幅度归一化

卷积层

1）涉及概念：

 

深度(depth) : 顾名思义，它控制输出单元的深度，也就是filter的个数，连接同一块区域的神经元个数。

 

步幅(stride)：它控制在同一深度的相邻两个隐含单元，与他们相连接的输入区域的距离。如果步幅很小&#x