深度学习之模型层

深度学习模型通常由许多不同类型的层组成，每个层都有其特定的功能和用途。以下是一些常见的深度学习层以及它们的术语和解析：

1. 全连接层（Fully Connected Layer）:

   • 术语：
     • 输入层（Input Layer）：接收模型输入的层。
     • 输出层（Output Layer）：产生模型输出的层。
     • 权重（Weights）：连接输入和输出的参数。
     • 偏置（Bias）：每个输出神经元的偏移量。

2. 卷积层（Convolutional Layer）:

   • 术语：
     • 卷积核（Kernel）：卷积操作的滤波器，用于提取特征。
     • 特征图（Feature Map）：卷积操作的输出。
     • 步幅（Stride）：卷积核在输入上滑动的步长。
     • 填充（Padding）：在输入周围添加额外的像素，用于控制输出大小。
     • 通道（Channel）：输入和输出的深度。

3. 池化层（Pooling Layer）:

   • 术语：
     • 池化核&#