全连接:每一个输入值和第一层的权重都有相乘,对每一个像素来说是平均的
卷积神经网络:像素与内核相乘,可用于提取特征,复用权重
卷积层;保留图像的空间结构
栅格图像好捕获其中的信息,矢量图像不行
不同的通道应用不同的卷积核,输入图片通道和卷积核的通道数量是一致的,一个卷积核得到一个通道
input后的.View是设置输入照片的batch,C,W, H
Kernel后的.view是设置卷积核O,I,W,H
经过MaxPooling(池化层) 通道数不会变,2*2的池化层,可使宽高变为原来的一半
神经网络过程
view变成全连接网络所需要的输入
模型用GPU训练
训练数据放到GPU上
测试数据放到GPU上