- 博客(3)
- 收藏
- 关注
RSS订阅原创 经典卷积神经网络-上
卷积层与模型参数卷积层的参数输入张量可能有多个通道，设为k，卷积核为m∗mm*mm∗m大小，有n个卷积核。由于每一个通道需要拟合一个卷积核的m2m^2m2个参数，将所有通道卷积后深度上求和（只是一种方式），再加上一个偏置参数，则所需要估计的参数个数为(m∗m∗k+1)∗n(m*m*k+1)*n(m∗m∗k+1)∗n.LeNet-5在原有的仅全连接的神经网络的基础上，加入卷积、池化，仍保有全连接、拉直等操作。LeNet-5于1998年杨立昆提出，是第一个成功应用于数字识别问题的卷积神经网络，在Mnis
2021-04-02 10:24:16
117
原创 深度学习-卷积神经网络CNN-卷积与池化
卷积神经网络Convolutional Neural Network卷积的基本概念卷积运算原理full卷积same卷积valid卷积卷积运算的特性池化same池化valid池化池化与卷积的核心区别注：本笔记不是完整的概念介绍，并不成系统，只是我认为重要或者难理解的部分，撷取并作一定笔记。如需系统学习，欢迎食用王汉生老师的《深度学习：从入门到精通》。卷积的基本概念卷积是一种特殊的线性运算，卷积核又叫滤波器，卷积层的目的是获得更多图像的特征。经卷积后输出的特征图叫响应图，响应图的深度取决于卷积用了多少卷积
2021-04-02 01:02:44
480
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人