卷积层
卷积层即对输入数据进行特征提取,包括卷积核大小、步长和填充,是卷积神经网路的超参数,决定了卷积层输出特征图的尺寸。卷积层中包含激励函数以协助表达复杂特征,如ReLU
卷积核:组成卷积核的每个元素对应一个权重系数和一个偏差
卷积层参数=权重
特征层、输出层
特征层feature map=输出层(除去一维、二维输出) Conv,MaxPooling等层都可以
得到输出层/特征层需要输入图像
关系
y=f(x)
x:输入
f():卷积层
y:输出层
网络结构图
网络结构图,有用输出层表示的,有用Conv,MaxPooling等结构表示且现在大多是这种,包含卷积核等信息
卷积层、特征层、输出层、权重关系
最新推荐文章于 2024-05-31 16:14:40 发布