2021-11-13

网络构建:
1.全连接层
2.卷积层:提取特征
(1.)卷积核深度(通道数)等于输入图片的通道数
卷积核通道数=输入通道数
(2.)输出通道数=卷积核个数(每层卷积核的个数在设计网络时会给出)

3.池化层:提取特征后缩小(池化层在卷积层后可以取最大值实现对数据量的缩小)在这里插入图片描述
4.激活函数
5.BN操作(批标准化):防止学习过程中梯度消失(当输出值较大或较小时,sigmoid函数就会进入饱和区域,导致其导数几乎为0)在这里插入图片描述

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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