标签:www 16 卷积 特征 神经网络 https com
卷积神经网络 https://blog.csdn.net/stdcoutzyx/article/details/41596663 (忽略其中标注的小错误,多卷积核中的4个通道不是原始图片的红黄绿三通道,而是前面经过卷积后形成的4通道)
如何理解权值共享 https://www.zhihu.com/question/47158818 (可以权值共享是因为片的底层特征是与特征在图片中的位置无关的)
如何理解卷积核 http://www.360doc.com/content/21/0703/22/277688_984999494.shtml (一个卷积核相当于一个过滤器,就是一个特征提取器,为了能提取多个特征,一个网络有多个卷积核,卷积核可人为定义来提取垂直轮廓或水平轮廓,但神经网络是通过训练得到的卷积核)
( 该图的解释见 https://www.cnblogs.com/alexcai/p/5506806.html)
此图中s2是经过单通道图经过6个卷积核形成的6幅特征图,在池化形成的6通道图,之所以经过c3的 16卷积核后还是16个特征图,而不是6*16个特征图,是因c3的16个卷积核,每个卷积核将s2的6幅图分别卷积后得到的结果相加,再取激活值得到16幅图中的其中一幅图上的一个像素点.
该网络的pytorch实现见 https://blog.csdn.net/weixin_41070748/article/details/89890330?spm=1001.2014.3001.5502
Relu函数的作用 https://www.cnblogs.com/jimore/p/15901182.html
标签:www,16,卷积,特征,神经网络,https,com 来源: https://www.cnblogs.com/wodepingzi/p/16084362.html
本站声明: 1. iCode9 技术分享网(下文简称本站)提供的所有内容,仅供技术学习、探讨和分享; 2. 关于本站的所有留言、评论、转载及引用,纯属内容发起人的个人观点,与本站观点和立场无关; 3. 关于本站的所有言论和文字,纯属内容发起人的个人观点,与本站观点和立场无关; 4. 本站文章均是网友提供,不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属;如您发现该文章侵犯了您的权益,可联系我们第一时间进行删除; 5. 本站为非盈利性的个人网站,所有内容不会用来进行牟利,也不会利用任何形式的广告来间接获益,纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。