![](https://img-blog.csdnimg.cn/20201014180756738.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
deeplearning
孰与徐公比美
这个作者很懒,什么都没留下…
展开
-
CNN网络中各层计算细节
卷积层我们以VGG-16的第一层卷积为例:输入图像224×224×3,输出224×224×64,卷积核大小3×3。计算量:参数量:再举一个例子,VGG-16的最后一个卷积层:输入14×14×512,输出14×14×512,卷积核大小3×3。计算量:参数量:全连接层全连接的计算量和参数量考虑VGG-16的最后一个全连接层:上层神经元数为4096,下层神经元数为1000。这样...原创 2019-12-25 11:58:38 · 378 阅读 · 0 评论 -
End to End 端到端的理解
首先与非end to end进行比较与非end to end比较在非end to end中,首先要人工对数据进行大量的处理举例:自然语言处理中,非end to end的学习需要对语音识别之前要经过两步处理:解析器(Parser) 注释文本和情感分类器(Sentiment Classifier)预测文本解析器是对文本进行标注,比如形容词(好,坏,糟糕等),情感分类器再来预测文本是正面的还是...原创 2019-12-23 14:49:36 · 507 阅读 · 0 评论 -
CNN中卷积层的计算细节
原文链接:https://zhuanlan.zhihu.com/p/29119239卷积层尺寸的计算原理输入矩阵格式:四个维度,依次为:样本数、图像高度、图像宽度、图像通道数输出矩阵格式:与输出矩阵的维度顺序和含义相同,但是后三个维度(图像高度、图像宽度、图像通道数)的尺寸发生变化。权重矩阵(卷积核)格式:同样是四个维度,但维度的含义与上面两者都不同,为:卷积核高度、卷积核宽度...转载 2019-11-29 16:25:01 · 159 阅读 · 0 评论 -
【机器学习随笔】术语的简单理解
数据集:一组记录的集合,每条记录是关于一个事件或对象的描述,称为“样本”。属性,特征:反映事件或对象在某方面的表现或性质的属性控件,样本空间,输入控件:属性张成的空间–(属性组成的坐标轴)特征向量:空间中的一点训练数据:训练过程中使用的数据,其中每个样本称为训练样本训练集:训练样本组成的集合假设:学得模型对应了关于数据的某种潜在规律而潜在规律本身,则称为“真相”或“真实”,学习过程就...原创 2019-09-11 14:26:35 · 170 阅读 · 0 评论 -
【机器学习】单层卷积网络理解
Summary Of notationIf layer l is a convolution layerf[l] = filter过滤器 (有的也称kernel 核)p[l] = paddings[l] = stride步长nc[l] = number of filter (也是输出图片通道数量)Each filter is : f[l]×f[l]×nc[l-1](H×W×输入图片通...原创 2019-10-10 15:48:28 · 102 阅读 · 0 评论