深度学习相关知识点1.

最新推荐文章于 2024-09-02 14:58:59 发布

笃定1109

最新推荐文章于 2024-09-02 14:58:59 发布

阅读量259

点赞数

文章标签：深度学习人工智能

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/weixin_40378100/article/details/106220971

版权

特征图的计算方式，分为Valid（no padding）和Same（padding）两个方式，

对于Valid的方式，特征图的计算结果为

$w = \frac{f-k}{s}+1$

对于Same的方式，特征图计算结果为

$w = \frac{f-k+2*padding}{s}+1$

设p为真实分布，q为非真实分布，交叉熵计算方式：

$H(p,q)=-\sum p(x) \cdot log(q(x))$

交叉熵损失函数：

sigmoid交叉熵损失函数：

y = labels

$p = sigmoid(logits) = 1/(1+e^{-logits})$

loss = -[y*lnp+(1-y)ln(1-p)]

softmax交叉熵损失函数：

y = labels

$p = softmax(logits)=e^{logits}/\sum_{0}^{n-1}e^{logits}$

$loss = -\sum_{0}^{n-1}y*lnp$

关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
深度学习相关知识点1.

特征图的计算方式，分为Valid（no padding）和Same（padding）两个方式，对于Valid的方式，特征图的计算结果为对于Same的方式，特征图计算结果为设p为真实分布，q为非真实分布，交叉熵计算方式：交叉熵损失函数：sigmoid交叉熵损失函数：softmax交叉熵损失函数：...
复制链接

扫一扫

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

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。