深度学习
ygdwxx
这个作者很懒,什么都没留下…
展开
-
图像二分类,多分类和多标签分类的区别和注意事项
图像二分类,多分类和多标签分类的区别和注意事项1. 二分类分类任务是两个类别,每个样本属于两个类别中的一个,标签为0或者1,比如猫狗二分类输出层:只有一个单元,采用sigmoid函数(将输出转换为0-1之间的概率分布)损失函数:2分类交叉熵损失标签:每个样本的标签是一个标量,0或者12. 多分类分类任务有n个类别,每个样本属于n个类别中的一个,且每个样本有且只有一个标签,比如新闻题材分类:政治、经济、文化等输出层:进行n分类时,设置输出层的单元数为n,采用softmax函数损失函数:多分类原创 2020-12-04 16:48:37 · 4383 阅读 · 1 评论 -
为什么使用卷积?
1. 使用卷积的原因:(1) 减少参数数量,提高计算速度。(2) 可以用更小的训练集来训练网络,从而预防过拟合。2. 卷积可以减少参数的原因:(1) 参数共享: 观察发现,特征检测如垂直边缘检测如果适用于图片的某个区域,那么它也可能适用于图片的其他区域。(2) 稀疏连接: 在每一层,每一个输出值仅依赖小数目的输入。3. 参考网页https://blog.csdn.net/Solo95/article/details/85018567https://www.cnbl原创 2020-09-19 16:01:48 · 2767 阅读 · 0 评论 -
卷积神经网络中用1*1卷积核的作用
1. 降维和升维比如:**降维**: 一张500*500且厚度depth为100 的图片在20个filter上做1*1的卷积,那么结果的大小为500*500*20。**升维**: 一张500 * 500且厚度depth为100 的图片在200个filter上做1*1的卷积,那么结果的大小为500*500*200。2. 加入非线性卷积层之后经过激励层,1*1的卷积在前一层的学习表示上添加了非线性激励( non-linear activation ),提升网络的表达能力。3. 参考网页http原创 2020-09-19 15:18:59 · 476 阅读 · 0 评论