卷积、池化输出大小计算公式以及TF卷积NN实现mnist数字识别

前言

什么是AI?
The theory and development of computer systems able to perform tasks normally requiring human intelligence.(–Oxford Dictionary)
Using data to solve problems.(–cy)

卷积输出大小计算公式

如果已知输入图片的形状,卷积核的数量,卷积核大小,以及移动步长,那么输出图片的形状如何确定,可按下图的公式进行确定:
在这里插入图片描述
计算举例,如下图:
在这里插入图片描述
tensorflow1.1.13中卷积网络的API:
在这里插入图片描述

池化输出大小计算公式

在这里插入图片描述
计算举例如下:
在这里插入图片描述
tensorflow1.1.13中池化网络的API:
在这里插入图片描述

(最近时间精力有限,具体代码见gitee):tensorflow卷积NN实现mnist数字识别

总结

<如果您发现我写的有错误,欢迎在评论区批评指正>

  • 0
    点赞
  • 1
    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