CNN
LeoRainy
这个作者很懒,什么都没留下…
展开
-
卷积神经网络 (1)卷积层和池化层学习
卷积神经网络_(1)卷积层和池化层学习 本文转自:https://www.cnblogs.com/zf-blog/p/6075286.html 卷积神经网络(CNN)由输入层、卷积层、激活函数、池化层、全连接层组成,即INPUT-CONV-RELU-POOL-FC (1)卷积层:用它来进行特征提取,如下: 输入图像是32*32*3,3是它的深度(即R、G、B),卷积层是一个5*5*3的...转载 2019-03-18 17:05:52 · 469 阅读 · 0 评论 -
深入学习卷积神经网络中卷积层和池化层的意义
(文章转载自:https://www.cnblogs.com/wj-1314/p/9593364.html) 为什么要使用卷积呢? 在传统的神经网络中,比如多层感知机(MLP),其输入通常是一个特征向量,需要人工设计特征,然后将这些特征计算的值组成特征向量,在过去几十年的经验来看,人工找到的特征并不是怎么好用,有时多了,有时少了,有时选择的特征根本就不起作用(真正起作用的特征在浩瀚的未知里...转载 2019-03-18 17:16:20 · 5132 阅读 · 0 评论