深度学习——图像分类（二）

wmfkgd

总结：
（1）卷积操作后，输出的通道数=卷积核的个数
（2）卷积核的个数和卷积核的通道数是不同的概念。每层卷积核的个数在设计网络时会给出，但是卷积核的通道数不一定会给出。默认情况下，卷积核的通道数=输入的通道数，因为这是进行卷积操作的必要条件。
（3）偏置数=卷积核数

pytorch tensor的通道排序：batch , channel , height , width

图像识别和图像分类的区别：

实现一个完整的图像分类任务，大致需要分为五个步骤：

1、选择开源框架
目前常用的深度学习框架主要包括tensorflow、keras、pytorch、mxnet,caffe等；
2、构建并读取数据集
根据任务需求搜集相关图像搭建相应的数据集，常见的方式包括：网络爬虫、实地拍摄、公共数据使用等。随后根据所选开源框架读取数据集。
3、框架搭建
选择合适的网络模型、损失函数以及优化方式，以完成整体框架的搭建
4、训练并调试参数
通过训练选定合适超参数
5、测试准确率
在测试集上验证模型的最终性能

 神经元个数对神经网络影响大

未来的研究方向：Transformer轻量化设计

djbfjbm

kjvdnkjbnk