卷积神经网络CNN

最新推荐文章于 2023-12-20 10:07:14 发布

hahajing369

最新推荐文章于 2023-12-20 10:07:14 发布

阅读量835

点赞数 1

本文链接：https://blog.csdn.net/jingtingxu369/article/details/80981819

版权

一个卷积层中有好多卷积核，上图展示出：2个卷积核，就有2个输出特征

128个卷积核，能捕捉128种局部特征，会有128个输出特征（feature map）/（通道）

因此，卷积核数量称为：output number

卷积核作用类似于：提取边缘特征，因为边缘特征的语义信息丰富

-------------------------------------------------------------------------------------------------------------------------

卷积核个数是超参数，自定义，但肯定是层越深，卷积核个数越多。（因为：层越深，图片尺寸逐渐降低，特征需要不断增维。卷积核个数变多，会引起特征增维）

----------------------------------------------------------------------------------------------------------------------------------

32*32*3 RGB图片需要5*5*3个卷积核。ps：3个通道，每个通道要有不同的卷积核

---------------------------------------------------------------------------------------------------------------------------------

卷积层后面要追加一个relu，是基本配置

卷积核是线性操作，relu是非线性，使用relu增加非线性。

---------------------------------------------------------------------------------------------------------------------------------

①1个feature map=1个通道=1个卷积核输出

②卷积步长>1，有降维作用

③GPU并行，排序cpu擅长

----------------------------------------------------------------------------------------------------------------------------------

---------------------------------------------------------------------------------------------------------------------------------

----------------------------------------------------------------------------------------------------------------------------------

关注