池化层:压缩/下采样,eg最大池化(在每一个block里选取最大值)、平均池化;
基本都是采用最大池化,最有效;
只有带参数的运算才能称为神经网络的层数;
经典网络-Resnet(残差网络)
感受野:如果堆叠3个3*3的卷积层,并且保持滑动窗口步长为1,其感受野就是7*7的了,这跟一个使用7*7卷积核的结果是一样的。
假设输入大小都是h*w*c,并且都使用c个卷积核(得到c个特征图),可以来计算一下其各自所需参数:
一个7*7卷积核所需参数=c*(7*7*c)=49c^2;
3个3*3卷积核所需参数=3*c*(3*4*c)=27c^2;
堆叠小的卷积核所需的参数更少一些,并且卷积过程越多,特征提取也会越细致,假如的非线性变换也随着增多,还不会增大权重参数个数,这就是VGG网络的基本出发点,用小的卷积核来完成体特征提取操作。
递归神经网络:eg RNN,每一层特征之间有相关性;
词向量
keras--简单便捷;
Keras是基于TensorFlow和Theano(由加拿大蒙特利尔大学开发的机器学习框架)的深度学习库,是由纯python编写而成的高层神经网络API,也仅支持python开发。它是为了支持快速实践而对tensorflow或者Theano的再次封装,让我们可以不用关注过多的底层细节,能够把想法快速转换为结果。它也很灵活,且比较容易学。Keras默认的后端为tensorflow