CNN学习中的一些要点

最新推荐文章于 2024-02-19 09:54:51 发布

wordyang1

最新推荐文章于 2024-02-19 09:54:51 发布

阅读量304

点赞数

分类专栏： CNN 文章标签： cnn

本文链接：https://blog.csdn.net/wordyang1/article/details/78088788

版权

CNN 专栏收录该内容

1 篇文章 0 订阅

订阅专栏

1. 卷积核的权值是通过训练得到的，但卷积核的数量（通道数）和卷积核的大小是需要预先设定的，常用的卷积核大小有3x3,5x5等。
2. 典型的CNN结构：输入层->卷积层->池化层->卷积层->池化层->全连接层->全连接层->输出层，深度神经网络层数更多，但每个卷积层后并不是必须要加池化层。
3. 一般使用N*N的卷积核对M*M的图像进行卷积后，得到的特征图为(M-N+!)*(M-N+1)，特征图的大小总是小于输入图的大小会使神经网络的深度是有限的，如果要使特征图的大小等于输入图的大小，

一篇CNN讲得很好的文章[翻译] 神经网络的直观解释