卷积神经网络与传统神经网络区别:卷积较传统参数量减少,但是计算量却增大了,所以需要GPU的计算。
跳变的理解:loss在update时,因为batch的存在,每次选一定数量的图片计算其下降方向,会导致变化的存在。
全连接层的神经元个数:比上一层少一点,一般是最终输出层神经元个数的两到三被倍。
课程链接:https://www.bilibili.com/video/av10324235/?from=search&seid=13946140712236582653#page=3
卷积神经网络与传统神经网络区别:卷积较传统参数量减少,但是计算量却增大了,所以需要GPU的计算。
跳变的理解:loss在update时,因为batch的存在,每次选一定数量的图片计算其下降方向,会导致变化的存在。
全连接层的神经元个数:比上一层少一点,一般是最终输出层神经元个数的两到三被倍。
课程链接:https://www.bilibili.com/video/av10324235/?from=search&seid=13946140712236582653#page=3