算子记录
文章平均质量分 87
Op记录
HelloWorldQAQ。
@
展开
-
卷积神经网络——卷积层计算
文章目录卷积层计算参数共享机制总结后记卷积层计算卷积层关键操作:局部关联:每个神经元看作一个滤波器filter,局部数据权值共享。滑动窗口:对一个filter内的数据进行计算。关键参数:深度depth:filter的个数步长stride:单个filter一次滑动的长度填充值zero-padding:对输入数据进行填充填充值的作用:对于一个像素为5x5的输入图片,如果滑动窗口的大小为2x2,步长为2,则存在一列数据无法处理,此时需要添加0填充值,以保证所有数据都能被遍历到。卷积原创 2021-02-17 18:35:34 · 8847 阅读 · 0 评论 -
深度可分离卷积
参考:https://yinguobing.com/separable-convolution/#fn2原创 2021-02-03 23:38:22 · 1113 阅读 · 0 评论 -
SoftMax
文章目录1. softmax1. softmaxsoftmax算子一般用于多分类场景,把神经元的输出映射到(0-1)之间的实数,并且归一化保证和为1,从而使得多分类的概率之和也刚好为1。使得经过softmax后的输出为每个类别的概率,并且各个概率的和为1。softmax的计算过程为:某元素的指数与所有元素指数和的比值。在实际应用中,需要注意softmax中存在的数据溢出问题,如果softmax的输入V过大,经过指数运算后,很容易出现数据溢出。解决办法是:将V中的每一个数据,都减去V中的最大值:原创 2020-12-02 16:28:20 · 478 阅读 · 0 评论