1. 卷积层和赤化层
卷积层:提前图像中的特征
对输入图像和滤波矩阵做内积的操作叫做卷积。
卷积计算 填充值 步幅
赤化层:降低参数量级
使特征图变小,简化网络计算复杂度
特征压缩,提取主要特征
加快计算速度
防止过拟合
缩小最后全连接层中节点的个数,减少整个神经网络参数
2.激活函数的作用
加入非线性因素 提高模型鲁棒性,非线性表达能力,缓解梯度消失问题,加速模型收敛
将当前特征空间映射转换到零一空间,让数据能更好的被分类
卷积层:提前图像中的特征
对输入图像和滤波矩阵做内积的操作叫做卷积。
卷积计算 填充值 步幅
赤化层:降低参数量级
使特征图变小,简化网络计算复杂度
特征压缩,提取主要特征
加快计算速度
防止过拟合
缩小最后全连接层中节点的个数,减少整个神经网络参数
加入非线性因素 提高模型鲁棒性,非线性表达能力,缓解梯度消失问题,加速模型收敛
将当前特征空间映射转换到零一空间,让数据能更好的被分类