愿你熬得过万丈孤独 藏得下星辰大海
1.用TensorFlow or Pytorch搭建AlexNet
pytorch:静态框架学习的链接
Tensorflow:动态框架
Tensorflow是基础框架之一,选择Tensorflow学习
2.AlexNet
https://yq.aliyun.com/articles/602853
input:256*256的RGB图像,所以所有训练集和测试集图像大小都要设为256*256
1. 如果大小不对,训练之前需要转换:将图片缩小裁剪成一个256*256图像,比如
//可以不裁剪吗?
//裁剪应该是自己设置怎么裁剪,但是如果图片原因裁剪会减掉有用的地方怎么办?
2. 如果是灰度图像: 可以复制单个通道转换成3通道的RGB图像
结构:
1. 256*256图像可以产生随机大小的图像,AlexNet第一层为产生的227*227图像
插入卷积概念: |
想象卷积是一种混合信息的手段,把装满信息的两个桶倒入一个桶并通过某种规则进行搅拌——即混合两种信息的过程 |
在图像上应用卷积的时候是通过两个维度——水平+竖直方向 我们混合两桶信息: 第一桶是输入的图像,由三个矩阵构成——RGB三个通道,其中每个元素是0~255的一个整数。 第二桶是卷积核(kernel),单个浮点数矩阵。 卷积核的大小和模式可以想象成一个搅拌图像的方法,卷积核的输出是一幅修改后的图像,在深度学习中被称作feature map。对每个颜色通道都有一个 feature map。 |
8层深度网络,其中5层卷积层和3层全连接层,不计LRN层和池化层
各层训练参数计算
前五层:卷基层
后三层:全连接层
项目原因先做AE,完成后回来更新
3.代码
https://blog.csdn.net/accepthjp/article/details/69999309