![](https://img-blog.csdnimg.cn/20201014180756780.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
神经网络
颜回啊颜回
这个作者很懒,什么都没留下…
展开
-
全连接层与池化层
全连接层作用: 通俗易懂. 全连接层之前的作用是提取特征,全连接层的作用是分类。它把特征representation整合到一起,输出为一个值。这样做大大减少特征位置对分类带来的影响。但是,空间结构特性被忽略了,所以全连接层不适合用于在方位上找模式的任务,比如分割。 池化层: 池化层主要的作用 1.首要作用,下采样(downsamping) 2.降维、去除冗余信息、对特征进行压缩、简化网络复杂度、减少计算量、减少内存消耗等等。各种说辞吧,总的理解就是减少数量。 3.实现非线性(这个可以想一下,relu函数,是原创 2020-06-23 00:32:39 · 1141 阅读 · 0 评论 -
RNN/LSTM初认识
文章目录RNNRNN的结构RNN的特点变式与推导LSTMLSTM的结构LSTM的特点 RNN 用于处理序列信息,这里的序列是指单个个体之间有联系,比如说一句话(词汇之间互有联系),一个视频(有很多相关联的帧)。因为是重复地使用同一个网络,所以也被称为递归网络。 RNN的结构 x:输入 o:输出 s:隐藏层 U,V,M:权重矩阵 RNN的特点 上述的U,V,M是 变式与推导 原理分析代码变式可以参见这篇文章 你还没有看 !!有空记录 https://zybuluo.com/hanbingtao/note/原创 2020-06-18 17:53:36 · 202 阅读 · 0 评论