目录
全连接网络
参数多;
速度慢;
容易过拟合;
卷积
概念:
将神经网络中的每一小块进行更加深入的分析,得到抽象程度更高的特征,加深节点矩阵的深度
设置:
卷积核/filter的大小、深度
调整结果的大小:
是否进行全0 填充;
步长
权值共享:
每个过滤器参数一致
权值共享作用:
图像上内容不受位置的影响;
巨幅减少神经网络的参数;
池化
概念:
不改变三维矩阵的深度,缩小矩阵的大小,减少网络参数
可以认为将高分辨率图像转化为低分辨率
不能改变节点矩阵的深度或者输入样例的个数
设置:
在长宽方向移动
(不在深度方向移动,深度方向步长为1)
分类:
平均池化
最大池化
全连接层
卷积池化可以视为自动提取图像特征
全连接层进行分类
softmax层
用于分类,可以得到概率分布