机器学习
落日宇航局
不当程序员。
展开
-
【机器学习】理解卷积神经网络
卷积层与全连接层: 卷积作用是提取局部特征,全连接层作用是把提取的局部特征以权值矩阵的形式组合起来形成完整的图。 经过卷积后,原图中包含和卷积核这类特征被卷积核提取到FetureMap中,这部分是计算原图patch和卷积核的相似程度。在训练过程中,会使用不同的卷积核提取原图中的不同特征。 全连接过程中丢失位置信息,理解为降低了学习过程中的参数敏感度。 合适的卷积核需要训练得到。 Pooling 池化: 把得到的feturemap进行缩小。有MaxPooling和AveragePooling两原创 2022-04-13 11:01:17 · 2487 阅读 · 0 评论 -
基于协作设备的联邦学习一种大规模物联网网络的共识方法
该篇文章讲的是在IoT场景下的去中心化联邦。转载 2021-05-19 16:46:16 · 290 阅读 · 0 评论 -
机器学习中Batch Size、Iteration和Epoch的概念
https://blog.csdn.net/DoubleLin_/article/details/108142704转载 2021-03-26 20:32:47 · 135 阅读 · 0 评论