感受野:
不同的卷积核,待训练参数不同,:
全零填充:保持输出的形状输入图片原始的不变:
公式:
TF:
批标准化:
神经网络对0附近的值更加敏感,
常用在卷积操作和激活操作之间。
注意上述是:
n个卷积核,是每组输入的图片进行了n次操作。
组是指多少个计算组。
据此,对上述公式进行理解。
可以看到,输入变到了0附近、
但是:
直接用上述简单的特征标准化。使得特征数据完全满足标准的正态分布。丧失了非线性的特性。
所以:
TF:
池化:用来减少特征数据量:
pooling层的作用
看下面,均值池化 和 最大池化:
TF实现:
舍弃:防止过拟合: