标签：Layers Convolution 卷积 什么 maps 256 Linear

目录

• Feature maps
• Why not Linear
  • 335k or 1.3MB
  • em...
• Receptive Field
• Fully connnected
• Partial connected
• Locally connected
• Rethink Linear layer
• Fully VS Lovally
• Weight sharing
• Why call Convolution？
• 2D Convolution
• Convolution in Computer Vision
• CNN on feature maps

Feature maps

• 单通道

• rgb三通道

• rgb三通道合成

• 数字2的卷积成像图

Why not Linear

• 4 Layers: [784, 256, 256, 256, 10]

335k or 1.3MB

em...

• 486 PC + AT&T DSP32C

  • 256KB
  • 66Mhz

• Batch X

• Gradient Cache

• etc.

Receptive Field

Fully connnected

Partial connected

Locally connected

Rethink Linear layer

Fully VS Lovally

Weight sharing

• 三阶张量的卷积

• 6 Layers

  • ~60k parameters

• 4 layers, 335k

Why call Convolution？

2D Convolution

y(t)=x(t)∗h(t)=∫∞−∞x(τ)h(t−τ)dτ$$y(t)=x(t)\ast h(t)={\int }_{-\mathrm{\infty }}^{\mathrm{\infty }}x(\tau )h(t-\tau )d\tau$$

Convolution in Computer Vision

• 模糊化

• 边缘检测

CNN on feature maps

标签：Layers,Convolution,卷积,什么,maps,256,Linear
来源： https://www.cnblogs.com/abdm-989/p/14123373.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。