深度学习面试题18：网中网结构(Network in Network)

最新推荐文章于 2022-05-02 10:07:20 发布
最新推荐文章于 2022-05-02 10:07:20 发布
阅读量123 收藏
点赞数
文章标签： 面试 人工智能
原文链接：http://www.cnblogs.com/itmorn/p/11223366.html
版权

目录

　　举例

　　参考资料

网中网结构通过多个分支的运算（卷积或池化），将分支上的运算结果在深度上连接

举例

一个3*3*2的张量，

与3个1*1*2的卷积核分别same卷积，步长=1，

与2个2*2*2的卷积核分别same卷积，步长=1，

与1个3*3*2的掩码最大值same池化，步长=1，

将得到的这3个结果在深度方向上拼接

GoogLeNet是基于类似网中网模块设计的网络结构，在GoogLeNet中该模块称为 Inception Module，多个Inception Module 模块可以组合成GoogLeNet。

 返回目录

 

参考资料

《图解深度学习与神经网络：从张量到TensorFlow实现》_张平

 

 返回目录

 

转载于:https://www.cnblogs.com/itmorn/p/11223366.html

weixin_30498921
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
【深度学习】神经网络CNN-基础整理
qq_45721997的博客
02-22 2477
主要来源：《卷积神经网络研究综述》周飞燕等 会在这个框架上慢慢补充。 一.CNN基本知识 1.神经元 神经元是人工神经网络的基本处理单元，一般是多输入单输出的单元. 输入与输出之间的对应关系 其中： xi : 输入信号；ｎ个输入信号同时输入神经元ｊ． wij : 输入信号xi与神经元ｊ连接的权重值; bj : 神经元的内部状态即偏置值; yj : 为神经元的输出． ｆ（·）为激励函数,其可以有很多种选择,可 以 是线性纠正函数 （ReLu）、sigmoid函数、tanh(x)函数、径向基函数等 2.多层
GoogLeNet网络结构学习
cape的博客
10-20 1万+
1.背景介绍　　GoogLeNet, 一个22层的深度网络，2014年ILSVRC挑战赛冠军，将Top5 的错误率降低到6.67%。论文地址：Going deeper with convolutions。 　　 　　据说起名为“GoogLeNet”而非“GoogleNet”,是为了向早期的LeNet致敬。2.网络结构　　GoogLeNet网络的整体结构如下：GoogLeNet清晰版本3.主要创新
典型卷积神经网络结构总结
没有最好，只有更好！
11-04 4837
典型卷积神经网络结构总结 LeNet：最早用于数字识别的CNN层关系如下： Data layer：1*28*28 Convolutional layer(5*5)：20*24*24 Pooling(2*2, stride 2)：20*12*12 Convolutional layer(5*5)：50*8*8 Pooling(2*2, stride 2)：50*4*4 Inner Product：50
[deeplearning-014] 深度学习的模型结构历史
大数据和机器学习研究
08-23 738
[0] 参考文献 http://www.cnblogs.com/skyfsm/p/8451834.html https://www.cnblogs.com/52machinelearning/p/5821591.html [1]Q：什么是深度学习？  A：隐层数量多的神经网络，隐层从5～1000不等。 [2]Q:深度学习的网络模型有哪些种类？ A：图像处理的卷积神经网络CNN; 自然语言处理的...
深度学习（二十六）Network In Network学习笔记
热门推荐
hjimce的专栏
01-04 5万+
本篇博文主要讲解2014年ICLR的一篇非常牛逼的paper：《Network In Network》，过去一年已经有了好几百的引用量，这篇paper改进了传统的CNN网络，采用了少量的参数就松松击败了Alexnet网络，Alexnet网络参数大小是230M，采用这篇paper的算法才29M，减小了将近10倍啊。这篇paper提出的网络结构，是对传统CNN网络的一种改进(这种文献少之又少，所以感觉很有必要学习)。
机器学习、深度学习面试题合集（300+）.pdf
09-30
机器学习、深度学习面试题合集（300+）.pdf
深度学习面试题附答案
12-11
本文件描述了深度学习常见面试题类型及答案，可以对面试的同学有帮助
深度学习CV面试题总结，非常实用，助力加分
最新发布
03-19
深度学习CV面试题总结，非常实用，助力加分
深度学习面试题记录(三).pdf
06-06
自我收集整理了一些深度学习的面试指导题，自己学习的同时，分享出来给大家一同学习，有需要的同学可以参考学习，博客也会同步更新，这一章主要写的是有关卷积池化的特点，以及感受野的一些概率；
深度学习面试题.doc
08-06
为面试者提供一份高效的面试经，涉及到深度学习的各个方面，有丰富的图形化界面，以提问的方式让你回顾经典知识
Network in Network.pdf
12-30
深度学习文献Network in network文献，加阅读笔记。
【论文阅读】Network In Network
weixin_53563701的博客
01-16 2548
Network In Network In Network In Network In Network In Network In Network In Network In Network ... In Network
四、经典网络5（Network in Network）
myani的博客
05-02 678
模型结构 模型创新点 论文的创新点： （1）提出了抽象能力更高的 Mlpconv 层 （2）提出了 Global Average Pooling（全局平均池化）层 Mlpconv 层 传统的卷积神经网络一般来说是由线性卷积层、池化层、全连接层堆叠起来的网络，卷积层通过线性滤波器进行线性卷积运算，然后在接个非线性激活函数最终生成特征图。而这种卷积滤波器是一种 GLM:(Generalized linear model)广义线性模型。然而 GLM 的抽象能力是比较低水平的。 抽象
深度学习网络篇——NIN(Network in Network)
PRIS-SCMonkey的博客
11-27 4926
正式开讲之前，首先跪舔一下：这篇论文真的是条理清楚思路清晰，可读性贼强，建议读下原文学习一下！ 让我们怀着崇敬的心先来看看论文的作者： 木 有 图 木 有 图 Min Lin, Qiang Chen, Shuicheng Yan （别看了，就是没有图，略略略，啊哈哈哈哈哈哈~） 先说说这篇论文的创新点。这篇论文有两个创新点，一是MLPconv，二是全局平均池化，这两个创新点也就是这篇论文主要在讲*...
（Paper）Network in Network网络分析
沤江一流的专栏
06-23 2万+
本文地址： 《Network in Network》论文笔记1.综述这篇文章有两个很重要的观点： 1×1卷积的使用 文中提出使用mlpconv网络层替代传统的convolution层。mlp层实际上是卷积加传统的mlp（多层感知器），因为convolution是线性的，而mlp是非线性的，后者能够得到更高的抽象，泛化能力更强。在跨通道（cross channel,cross feature map
厦门网中网软件有限公司
xiaochenshi
10-31 2482
网中网软件有限公司 笔试： 1、javascript的数据类型 2、var array = [1,2,10,11,3]    a)、array[1]    b)、typeof array    c)、array.constructor    d)、排序为array = [1,2,3,10,11] 3、function show(){ for(int i =1; i
Network In Network
zj71hmvx的博客
08-10 89
13年的经典结构NIN Network In Network 通过改进CNN 并展示了 NIN 在 CIFAR-10 和 CIFAR-100 上的分类性能 在 SVHN 和 MNIST 数据集上的合理性能。 现在虽然性能被比下去了但是依旧值得拜读哈哈哈 MLP卷积层 用Mlp卷积层代替普通的线性卷积层 在普通卷积层后接了两个1*1卷积核 Global Average Pooling 传统的卷积神经网络在网络较低层执行卷积。为了分类，最后一个卷积层的特征图被向量化并输入到全连接层，再接一个 softmax
卷积神经网络—AlexNet、VGG、GoogleNet、ResNet论文解读
红叶谷 wsp_1138886114的博客
08-03 1万+
一、 CNN结构演化历史的图 二、 卷积神经网络原理 2.1 激活函数： ReLU非线性函数(ReLU Nonlinearity) 2.2 降低过拟合( Reducing Overfitting) 2.4 Dropout 一、 CNN结构演化历史的图 二、 卷积神经网络原理 使用梯度下降法的多层网络可以从大量的数据中学习复杂的，高纬，非线性的映射，这...
深度学习测试题（1）答案和解析
weixin_40920183的博客
07-26 4611
1.损失函数的定义预测值与真实值之间的差距。选A。2. 题中给出的是一个sigmoid函数极限的是在（0,1），这里问的是它的导数S'(x)=S(x)(1-S(x))，所以应该是...
机器学习和深度学习面试题
07-27
回答: 机器学习和深度学习面试题是关于机器学习和深度学习领域的问题，用于评估面试者对这些领域的理解和应用能力。这些问题涵盖了各种主题，包括算法、模型、优化器、激活函数、正则化方法等。其中一些问题包括：...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值