深度学习【基础】
一些关于深度学习的基础知识
dlut_yan
坚持坚持在坚持,
展开
-
【深度学习】【总结】
各种激活函数特点残差网络解决问题,怎么解决的计算卷积之后的卷积核大小梯度消失和梯度爆炸yolov3的介绍原创 2020-04-09 09:19:57 · 187 阅读 · 0 评论 -
激活函数
主要参考了常用激活函数(激励函数)理解与总结,博主总结的和全面,只是有些细节问题,自己不理解,所以自己通过搜索以及理解找到了一些解释,在补充博主的内容的基础上,记录并总结下来。一. 激活函数的定义神经网络中的每个神经元节点接受上一层神经元的输出值作为本神经元的输入值,并将输入值传递给下一层,输入层神经元节点会将输入属性值直接传递给下一层(隐层或输出层)。在多层神经网络中,上层节点的输出和...转载 2020-04-14 11:32:25 · 2564 阅读 · 0 评论 -
感受野之自我理解
一、定义:感受野:在卷积神经网络CNN中,决定某一层输出结果中一个元素所对应的输入层的区域大小,被称作感受野receptive field。我们看这段定义非常简单,用数学的语言就是感受野是CNN中的某一层输出结果的一个元素对应输入层的一个映射。再通俗点的解释是,feature map上的一个点对应输入图上的区域。注意这里是输入图,不是原始图这里的输入图像(原始图像)是指网络的输入图像,是经过预...转载 2019-05-29 09:55:11 · 373 阅读 · 0 评论 -
CNN之自我理解
已经看过了CNN各个层的计算公式的推倒,对各个层次有了基本了解,但是理解的不透彻,只是知道每层怎么计算,误差怎么传递,怎么训练,但是不知道每层具体的意义,这样怎么设计自己的网络???所以从网上搜索了很多关于CNN通俗的理解,记录一下。如有侵权,请联系,立马删除。自我理解的卷积神经网络conv+relu+pooling(卷积、非线性、池化)用于特征提取,全连接用于分类。怎么特征提取?提取什么...转载 2019-05-29 08:31:34 · 704 阅读 · 0 评论