吴恩达深度学习笔记
文章平均质量分 90
Echo_`
这个作者很懒,什么都没留下…
展开
-
吴恩达深度学习课程笔记(二)—— 深度卷积模型:案例研究
1、经典神经网络LeNet-5模型1.假设输入图像的大小是32×32×1,我们用6个大小为5×5的过滤器,步幅为1,padding为0,对其进行一次卷积操作,输出图像的尺寸为28×28×6。2.使用平均池化层,过滤器宽度为2,步幅为2,将图像缩小一半,故为14×14×6,使用16个大小为 5×5的过滤器,步幅为1,padding为0,对其进行一次卷积操作,输出图像的尺寸为10×10×16。3.使用平均池化层,步幅为2,将图像的尺寸缩小为5×5×16。4.将5×5×16的图像展开,得到原创 2022-01-01 13:30:19 · 2262 阅读 · 0 评论 -
吴恩达深度学习课程笔记(一)—— 卷积神经网络基础
在运行神经网络对图像进行处理时,对于64*64大小的图像,图像就有12288个参数,而对于一张1000*1000大小的图像,参数更是多达300万个,假设隐藏层有1000个神经元,那么参数就是300万*1000个,300亿个参数,可想而知数据量过于庞大。原创 2021-12-26 13:09:15 · 606 阅读 · 0 评论