欢迎评论,共同学习
- CNN和全连接神经网络的区别:卷积层级之间的神经元是局部连接和权值共享,减少了(w,b)的数量,加快训练。
- 卷积层Convolution、池化层Pooling、输出层SoftMax
- 卷积层:提取特征,卷积有两个部分,一个图像一个是卷积核,卷积核对图像做平移卷积计算输出新的图像的过程就是卷积。
- 池化层:池化层有max pooling和average pooling之分(字面意思),解释来说就是把大的框的像素点整成一个小的,对数据量大的时候好,但是在减少数据时间的同时会缺失一些信息。这三个单元可以在隐藏层中多次组合
卷积核和过滤器的区别:总的来说,过滤器是卷积核的集合:卷积核(kernel)和过滤器(filter)的区别
- 卷积核就是由长和宽来指定的,是一个二维的概念。
- 而过滤器是是由长、宽和深度指定的,是一个三维的概念。
- 过滤器可以看做是卷积核的集合。
- 过滤器比卷积核高一个维度——深度。