Dive into deep learning task 05- 卷积神经网络基础；leNet；卷积神经网络进阶

最新推荐文章于 2022-11-01 21:52:12 发布
最新推荐文章于 2022-11-01 21:52:12 发布
阅读量158 收藏 1
点赞数
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/znsoft/article/details/104400446
版权

3.卷积神经网络基础

 

卷积其实是一种信号过滤器，实际上做的二维互相关运算。以前理解 的是卷积运算，现在才发现这就是互相关运行，说白了就是用卷积核遍历输入的数组。

 

池化是一种降维操作。

互相关运算和卷积运算没有本质上的不同，但是还是有区别。

 

卷积神经网络的输出为 (nh+ph-kh+sh)/sh * (nw+pw-kw+sw)/sw

nh,nw 为输入的高和宽

ph,pw为填充的高和宽

kh,kw为卷积核的高和宽

sh,sw为纵向和横向步长

 

课后题居然大错，第一题被坑了，是彩色 图片，有3个通道。。。

 

卷积层和池化层的区别是：

 

卷积层是加权求和，权值 通过训练来得到。

池化层是通过选择最大数据或者求平均数来得到值。

以前我误认为这两者之间的区别是stride, 也就是步长的不同。

 

 

4. LeNET

LeNet是最简单的卷神经网络 ，它的结果很简单，一层卷积，一层池化，最后是几层全连接，全连接之前带有展平操作，让多维的张量变为一维的张量

 

 

5 高级CNN

AlexNet : 8层变换， 5,2,1 五个卷积层，2个隐藏全连接层，一个全连接输出层。

池化方式也从平均池化改为最大池化方式

（图无法帖上来，缺失）

znsoft
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Dive into Deep Learning
03-20
deep learning has taken the world by surprise, driving rapid progress in fields as diverse as computer vision, natural language processing, automatic speech recognition, reinforcement learning, and statistical modeling. With these advances in hand, we can now build cars that drive themselves (with increasing autonomy), smart reply systems that anticipate mundane replies, helping people dig out from mountains of email, and software agents that dominate the world’s best humans at board games like Go, a feat once deemed to be decades away. Already, these tools are exerting a widening impact, changing the way movies are made, diseases are diagnosed, and playing a growing role in basic sciences – from astrophysics to biology. This book represents our attempt to make deep learning approachable, teaching you both the concepts, the context, and the code.
Dive into deep learning with pytorch task 08： 文本分类；数据增强；模型微调
znsoft的专栏
02-25 122
7 文本分类 可以用RNN CNN模型。 RNN可以多层叠加，在初始时需要两个特殊向量来表示文本的两端。 cnn: 一维cnn的输出宽度 = 输入宽宽- 核 宽度+1 glove之类词向量可以直接加载使用，要注意的是，预加载词向量不要允许它更新。 分类的实质是向量通过处理后用全连接输出类别的概率。 8 数据增强。 对于样本量少的训...
Dive into Deep Learning A. Zhang, Z. C. Lipton, M. Li, and A. J. Smola
03-07
这本书是 最新 2019年 UC Berkeley 春季 深度学习课程教材，另外可以在 github 上找到相应的配套代码。对于深度学习的入门和进阶都大有裨益。
Dive into deep learning task 03- 过拟合、欠拟合及其解决方案；梯度消失、梯度爆炸；循环神经网络进阶
znsoft的专栏
02-19 108
1. 过拟合 欠拟合 特征复杂，但是训练 样本数不足时，会产生过拟合，即训练误差小，但是在测试集上的测试误差比较大，即泛化能力强 解决的办法是增加样本数量 或用L2范数进行征罚。 增加样本数量的方法比较简单，但是费人费物。 L2的范数也叫权重衰减。 对绝对值 比较大的权重参数进行拟合，从而改善范化误差。 本质 上是将权重值 向较小值 的区别压缩。 另一...
Dive into deep learning task 04-机器翻译及相关技术；注意力机制与Seq2seq模型；Transformer
01-07
语料要通过预处理（清洗，分词，转化成词典，转化成数据集），然后作词向量嵌入后，输入神经网络。 这就是所谓的seq2seq模型。简单的s2s模型的缺点是中间向量长度有限，不能充分表达输入，特别是有限长的向量不能...
Dive into Deep Learning (D2L Book)-python
06-18
Dive into Deep Learning: an interactive deep learning book with code, math, and discussionsDive into Deep Learning (D2L Book) 图书网站 | 加州大学伯克利分校 STAT 157 课程，2019 年Spring 贡献（了解方法...
Dive into deep learning(06)[动手学深度学习]———————第六章，现代卷积神经网络
weixin_52542715的博客
11-01 541
Dive into deep learning(06)[动手学深度学习]———————第六章，现代卷积神经网络
Coursera Deep Learning 4 卷积神经网络 第一周习题
weixin_34388207的博客
11-24 639
The basics of ConvNets1What do you think applying this filter to a grayscale image will do? Detect horizontal edges Detect vertical edges Detect 45 degree edges Detect image contrast 2Suppose your ...
dive into deep learning——数学基础
Trony的博客
05-17 1173
一、线性代数 1.1 标量 标量：仅包含一个数值的叫做标量 标量由只有一个元素的张量表示。在下面的代码中，我们实例化两个标量，并使用它们执行一些熟悉的算术运算，即加法，乘法，除法和指数。 1.2 向量 可以将向量视为标量值组成的列表。我们将这些标量值称为向量的元素（elements）或分量（components）。 我们通过一维张量处理向量。一般来说，张量可以具有任意长度，取决于机器的内存限制。 我们可以使用下标来引用向量的任一元素，认为列向量是向量的默认方向。我们可以通过张量的索引来访.
动手学深度学习Dive into Deep Learning加州大学伯克利分校2019年春学期“Introduction to Deep Learning：欢迎进入AI学习的世界
weixin_41866706的博客
06-04 1203
欢迎进入AI学习的世界1、编写目的读者要求2、学习路径目录 本书的英文版Dive into Deep Learning是加州大学伯克利分校2019年春学期“Introduction to Deep Learning”（深度学习导论）课程的教材。截至2019年春学期。笔者想在csdn blog分享自己的交流心得。 在本书中，需要经过反复思考，编程，才能获得较浅层次领悟（课程中同时会引用经典内容、图...
排序算法的较量：快速排序与归并排序的深度剖析
最新发布
08-11
数据结构是计算机科学中的一个基本概念，它指的是数据的组织、管理和存储方式，以及对数据的操作。数据结构使得数据的访问和修改更加高效和有序。常见的数据结构包括： 1. **数组**（Array）：一种线性数据结构，可以存储相同类型的元素，并通过索引访问。 2. **链表**（Linked List）：一种线性数据结构，由一系列节点组成，每个节点包含数据部分和指向下一个节点的指针。 3. **栈**（Stack）：一种后进先出（LIFO, Last In First Out）的数据结构，只能在一端进行添加或删除操作。 4. **队列**（Queue）：一种先进先出（FIFO, First In First Out）的数据结构，允许在一端添加元素，在另一端删除元素。 5. **哈希表**（Hash Table）：通过键值对存储数据的数据结构，可以快速地通过键来访问数据。 6. **树**（Tree）：一种层次结构的数据结构，每个节点有零个或多个子节点，通常用于表示具有层次关系的数据。 7. **图**（Graph）：由顶点（节点）和边组成，可以表示复杂的关系和网络结构。 每种数据结构都有其
基于SSM++jsp的房屋租售网站
08-11
内容概要 基于SSM++jsp的房屋租售网站是一款集成了房源信息发布、搜索、在线预约看房、用户管理等功能的综合性租售平台。该网站采用了Spring、SpringMVC、MyBatis（SSM）框架与JSP技术相结合的方式，确保了前后端分离的模块化设计，具备高效、稳定的性能。用户可以通过网站发布或查找租售房源，使用详细的筛选条件，如地理位置、房屋类型、价格范围等，轻松找到合适的房源。网站还支持在线留言、预约看房等互动功能，提升了用户的体验和沟通效率。 适用人群 该网站适用于房地产中介公司、独立房产经纪人、房东以及广大有租房或购房需求的用户。对于中介公司和经纪人来说，网站提供了一个便捷的房源管理平台，可以批量上传房源信息，实时更新房源状态。对于房东，网站使其能够自主发布房屋信息并直接与潜在租客或买家沟通。对于租房或购房者，网站提供了全面的房源信息和方便的搜索工具，帮助他们快速找到心仪的房屋。 使用场景及目标 该网站主要应用于房地产租售行业。中介公司和经纪人可以通过网站集中管理房源，减少线下信息传递的繁琐，提升房源曝光率。房东可以自主发布房屋信息，无需依赖中介，直接接触潜在客户。租房或购
ThinkPHP中HTTP响应的艺术：定制化你的数据交响曲
08-11
ThinkPHP 是一个免费开源的、快速且简单的面向对象的轻量级 PHP 开发框架，它是为了敏捷 WEB 应用开发和简化企业应用开发而设计的。自2006年初诞生以来，ThinkPHP 一直秉承简洁实用的设计原则，在保持出色的性能和至简代码的同时，也注重易用性，并遵循 Apache2 开源协议发布 。 ThinkPHP 框架的特点包括： - 支持 MVC 架构模式，有助于代码的组织和重用。 - 提供了丰富的功能，如数据库访问层、模板引擎、缓存机制、插件机制、角色认证和表单处理等。 - 易于扩展，支持命令行指令扩展。 - 拥有 ORM 功能，支持多种数据库。 - 支持 RESTful 风格的 URL，方便 API 开发。 - 提供了灵活的配置功能，采用 PHP 返回数组方式定义配置，支持多种配置层次。 ThinkPHP 框架适用于多种服务器环境，包括 Windows、Unix 和 Linux，并且支持 PHP 5.0 以上版本以及多种数据库类型，如 MySQL、PostgreSQL 和 SQLite，同时也支持 PDO 扩展 。 此外，ThinkPHP 框架还提供了路由功能，允许开发
永磁同步电机带锁相环的滑模观测器
08-11
永磁同步电机带锁相环的滑模观测器
高清中文版DiveIntoPython：进阶Python学习指南
"DiveIntoPython中文版高清PDF"是一个宝贵的学习资源，对于想要深入学习Python编程的读者来说，无论是作为初学者的进阶读物，还是专业开发者的参考手册，都是一个不可多得的选择。通过这本书，读者可以系统地掌握...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值