![](https://img-blog.csdnimg.cn/20201014180756757.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
网络算法
文章平均质量分 69
粉粉Shawn
人生追求是为了寻找自己的同分异构体
展开
-
卷积神经网络CNN反向传播过程
卷积神经网络是如何求导,如何反向传播梯度的呢?池化层卷积层怎么求导?原创 2022-05-01 00:21:30 · 1084 阅读 · 2 评论 -
一般神经网络(DNN)反向传播过程
DNN反向传播过程多元函数微分损失函数都是标量函数,它使用范数损失将向量转换为标量。计算损失函数在第L层输入的导数是一种标量对向量的求导。实际上不论是几维向量,都可以视为一列多元函数的自变量数组。例如,m×nm\times nm×n维度的矩阵{Wij}\{W_{ij}\}{Wij}可以转化为一列多元函数的自变量数组:{Wij}→(W11,W12...Wnm)\{W_{ij}\}\rightarrow(W_{11},W_{12}...W_{nm}){Wij}→(W11,W12...Wnm原创 2022-04-28 16:11:42 · 1434 阅读 · 0 评论 -
Tensorflow——conv2d_transpose反卷积踩坑实录
conv2d_transpose反卷积踩坑实录原创 2022-01-10 16:15:59 · 925 阅读 · 0 评论 -
网络算法——特征不变性的形象表现
阅读卷积神经网络算法相关文献时,有时内容会提到池化层的效果之一是特征不变性。我们可以理解特征不变性就是指张量经过池化,其中蕴含的高级语义没有丢失。let us通过《带珍珠耳环的少女》来生动地展示一下这种效果。首先使用以下代码对少女进行不同步长的等间隔采样:import matplotlib.image as mpimgimport matplotlib.pyplot as pltimg = mpimg.imread('ShaoNv.jpg')row, col, cha = img.sha原创 2021-12-25 23:20:42 · 1994 阅读 · 0 评论