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