卷积神经网络常见结构
卷积神经网络中常见的层类型有:
- 卷积层(CONV)
- 激活函数(ACT 或 RELU)
- 池化层(POOL)
- 全连接层(FC)
- Batch normalization(BN)
- Dropout(DO)
其中常见的组合为:
注: *
操作代表这里需要一次或者多次;?
操作符代表这是可选操作,可以出现0次或者多次。
对于以上重复次数的常见选择是:
- 0<=N<=3 0 <= N <= 3
- M>=0 M >= 0
- 0<=K<=2 0 <= K <= 2
以上并没有谈及Batch normalization(BN)的位置,BN的位置主要有两种:
- normalize before activation
- normalize after activation
增加BN层的好处是,可以提高训练时的准确性和降低损失函数的得分。
注: 在大部分情况下,使用normalize after activation
,可以使得分类得到更高的准确率。
更多文档可以查看 https://github.com/sjsdfg/deeplearning4j-issues。
你的star是我持续分享的动力