从全连接到卷积层

文章目录

一、从全连接到卷积层

 

 

 

二、卷积层

  

 

 三、代码

 

 

 

 

 

 

 

总结

1.所以这里的卷积就是信号与系统里学的卷积,然后其实神经网络中用的卷积用的是二维交叉相关,名字叫做卷积。

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
全连接层(Fully Connected Layer)和卷积层(Convolutional Layer)是深度学习神经网络中常用的两种层结构,它们在结构和功能上有一些区别。 1. 结构: - 全连接层:全连接层中的每个神经元都与上一层的所有神经元相连接,每个连接都有一个权重。全连接层的输入是一个一维向量,输出也是一个一维向量。 - 卷积层卷积层中的神经元只与输入数据的局部区域相连接,而不是与整个输入相连接。卷积层的输入和输出都是多维张量,通常是二维图像或三维数据。 2. 参数共享: - 全连接层:全连接层中的每个神经元都有自己独立的权重参数,参数数量较多。 - 卷积层卷积层中的神经元共享权重参数,这意味着它们对输入数据的不同位置具有相同的权重。这种参数共享减少了模型的参数数量,提高了模型的效率。 3. 空间关系: - 全连接层:全连接层忽略了输入数据的空间关系,只关注数据之间的线性关系。 - 卷积层卷积层利用局部感知野的权重共享和卷积操作,能够有效地捕捉输入数据的空间特征,适用于处理具有空间结构的数据,如图像。 综上所述,全连接层适用于处理一维向量数据,而卷积层适用于处理具有空间结构的数据。卷积层通过参数共享和局部连接的方式,能够更好地利用输入数据的特征,并且减少了模型的参数数量。
评论
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
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