自问自答-CNN学习笔记

1.why  CNN

neural Network 对大尺寸图像是不尽人意的，全连接方式效率低下，大量的参数会导致网络过度拟合。CNN针对输入是图像的情况。，神经元三维排列，（加D的话是不是就思维排列？）使结构调整更加合理。

2.一个简单的问题：哪一层由参数？哪些层没有呢？哪些层是有超参数的？

3.CNN如何使参数变少？

在卷积层中使用参数共享是用来控制参数的数量。就用上面的例子，在第一个卷积层就有55x55x96=290,400个神经元，每个有11x11x3=364个参数和1个偏差。将这些合起来就是290400x364=105,705,600个参数。单单第一层就有这么多参数，显然这个数目是非常大的。
深度切片，参数共享，

4.扩张卷积：当卷积核之间的移动不是连续的，而是存在间隙的，例如w[0]*x[0] + w[1]*x[1] + w[2]*x[2]，此时扩张为0。如果扩张为1，那么计算为： w[0]*x[0] + w[1]*x[2] + w[2]*x[4]。

5.几个小滤波器组合跟一个大滤波器有什么区别？

前者好。  几个小滤波器的组合可以实现大滤波器的功能。，首先多个卷积层可以提取成更多的特征，并且参数数目更少。唯一不足之处，在反向传播过程中，中间卷积层可能会导致占用跟多的内存。

6.各个层之间的数据所占内

存

 

转载于:https://www.cnblogs.com/xialuobo/p/5959925.html