3*3卷积核 5*5卷积核到底有多大区别

为了比较3*3卷积核 和 5*5卷积核在性能上到底有多大区别设计了两个网络去进行对比,

1.两个3*3的卷积核,2个池化层,2个全连接层

2.两个5*5的卷积核,2个池化层,2个全连接层

两个网络的收敛标准,权重的初始化方式都是一样,学习率都是0.5不变,输入的都是一张28*28的图片,通过改变全连接层的节点数观察效果:

 

 

为了方便秒速将 288*120*80*10的网络称为n1*n2*n3*n4 , n1为288 ,12851表明经过12851次迭代以后收敛

对比明显表明无论两个网络的卷积核是5*5还是3*3,在n3=200时性能都有很大的提升。

所以将n3=200的情况分别做了计算

 

 

 

计算表明3*3的卷积核在参数为400*200*10的时候性能最优,5*5的卷积核在参数200*200*10的时候性能最优

 

但10次计算毕竟还是太少了,分别针对真两个参数每个做了50次运算

 

 

经过50次运算3*3的卷积核在参数400*200*10时平均迭代次数1841次,

5*5的卷积核在参数200*200*10的时候平均迭代次数2001次,性能提升了7.9%。

所以对于28*28的小图片3*3的卷积核的收敛速度更快,性能提升显著。

 

 

*** ***

在2018年12月29日《神经网络收敛标准与准确率之间的数学关系》

得到了对应一个带卷积核,分类0和2的网络。迭代次数n,收敛标准δ,神经网络的准确率p-max之间的一组数学表达式

 

可用于推算对应准确率p-max小于0.995时需要的迭代次数和时间。
 

  • 6
    点赞
  • 29
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 9
    评论
评论 9
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

打赏作者

黑榆

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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