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

  • 2
    点赞
  • 6
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
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。

余额充值