《神经网络与深度学习》学习总结及课后习题答案_持续更新
第五章 卷积神经网络
小结:本节主要讲了卷积的一些基本特性,比如局部连接、权重共享、汇聚层,并从一维、二维层面用非常直观的图片展示了卷积的特性;卷积核是否进行翻转和其特征抽取的能力无关;不同的卷积核相当于不同的特征提取器;从仿射变换的视角解释了转置卷积,虽然转置卷积也称反卷积,但是反卷积的称呼并不恰当,因为它不是卷积的逆运算。
部分习题:
习题5-3、分析卷积神经网络中用1×1滤波器的作用–待修正
其一,可用于降低维度。例如当图像大小为 ,可降维成 。其二,将位于每个点位上的所有通道特征进行卷积,实现跨通道的特征抽取。
习题5-4、对于一个输入为100 × 100 × 256的特征映射组,使用3 × 3的卷积核,输出为100 × 100 × 256的特征映射组的卷积层,求其时间和空间复杂度.如果引入一个1 × 1卷积核,先得到100 × 100 × 64的特征映射,再进行3 × 3的卷积,得到100 × 100 × 256的特征映射组,求其时间和空间复杂度。
时间复杂度满足公式: T i m e ( M 2 ∗ K 1 2 ∗ C 1