文章目录 深度学习的优点深度学习的缺点CNN 的应用场景CNN 模型一般化示例CNN 分类模型架构CNN回归预测模型架构CNN 生成特征图模型架构CNN 生成注意力模型架构CNN 生成分割图模型架构CNN 生成艺术分割 深度学习的优点 学习能力强;覆盖范围广;适应力强;可移植性好; 深度学习的缺点 计算量大;便携性差;硬件成本较高;模型设计复杂;长于计算,弱于算计,很容易被 “hack”; CNN 的应用场景 CNN 模型一般化示例 CNN 用于分类的一般网络架构为:输入层 --> (卷积层 + --> 池化层?) + --> 全连接层+,其中 + 表示存在多个,- 表示可有可无。如下图所示: CNN 分类模型架构 CNN回归预测模型架构 CNN 生成特征图模型架构 CNN 生成注意力模型架构 CNN 生成分割图模型架构 CNN 生成艺术分割