weixin_42638037的博客

原创 机器学习-mooc浙大-4.3深度学习

函数的表达式改变了，避免梯度消失现象，导数改变了，小于零的神经元不用，更稳定了。channel与特征图数相同，特征图数量与卷积核数量一般相同。M-m，刚好有卷积核宽度的区域不会计算，然后除以步长再加一。池化（降采样）：把邻近的像素当作一个池子来考虑。最大池化：选最大的作为输出；链式求导，目标函数，后向梯度传导，\。深浅与层数与每层神经元个数相关。增加训练样本：（数据扩增）减缓收敛速度，减少过拟合。GPU进行计算：并行好。求卷积核中参数的梯度。