搜索结果
查询Tags标签： 池化，共有 18条记录-
深度学习基础入门篇[8]：：计算机视觉与卷积神经网络、卷积模型CNN综述、池化讲解、CNN参数计算
深度学习基础入门篇[8]：：计算机视觉与卷积神经网络、卷积模型CNN综述、池化讲解、CNN参数计算 1.计算机视觉与卷积神经网络 1.1计算机视觉综述 计算机视觉作为一门让机器学会如何去“看”的学科，具体的说，就是让机器去识别摄像机拍摄的图片或视频中的物体，检测出物体…
2023/5/22 1:52:09 人评论 次浏览 -
TensorFlow笔记（五）卷积神经网络
第五章 卷积神经网络 本节主要内容：讲解卷积神经网络，利用基础CNN、LeNet、AlexNet、VGGNet、InceptionNet和ResNet实现图像识别。 1 全连接网络回顾 全连接NN特点：每个神经元与前后相邻层的每一个神经元都有连接关系。（可以实现分类和预测） 全连接网络的参数个数为：…
2022/4/22 23:45:27 人评论 次浏览 -
【多标签文本分类】Deep Learning for Extreme Multi-label Text Classification
阅读摘要： 本文提出结合CNN的XML-CNN模型来解决大规模的多标签文本分类问题。 [1] Deep Learning for Extreme Multi-label Text Classification[0] 摘要极端多标签文本分类(extreme multi-label text classification (XMTC))是指从一个非常大的标签集合为每个文…
2022/2/9 23:15:07 人评论 次浏览 -
神经网络-池化层
池化层： 一种形式的降采样 理解：在发现一个特征之后，它的精确位置远不及它和其他特征的相对位置的关系重要。池化层会不断地减小数据的空间大小，因此参数的数量和计算量也会下降，这在一定程度上也控制了过拟合。 作用： 特征不变性 特征降维（下采样） 在一定程度上防…
2022/2/2 23:46:16 人评论 次浏览 -
0119-CNN结构，BN，过拟合，Leetcode(125，136，141)
CNN，BN,过拟合 1.卷积神经网络（CNN）1.1 基础结构1.2 卷积层1.2.1 什么是感受野？1.2.2 卷积层超参数1.2.3 激励函数1.2.4 卷积层误差反向传播1.2.4.1 卷积运算实例1.2.4.2 卷积层误差反向传播1.3 池化层1.3.1 池化层超参数和池化方法1.3.1.1平均池化（mean pooling）1.…
2022/1/20 0:01:43 人评论 次浏览 -
0119-CNN结构，BN，过拟合，Leetcode(125，136，141)
CNN，BN,过拟合 1.卷积神经网络（CNN）1.1 基础结构1.2 卷积层1.2.1 什么是感受野？1.2.2 卷积层超参数1.2.3 激励函数1.2.4 卷积层误差反向传播1.2.4.1 卷积运算实例1.2.4.2 卷积层误差反向传播1.3 池化层1.3.1 池化层超参数和池化方法1.3.1.1平均池化（mean pooling）1.…
2022/1/20 0:01:43 人评论 次浏览 -
ASPP - 空洞空间金字塔池化
文章目录 1 空洞卷积1.1 空洞卷积的理解1.1.1 一维1.1.2 二维 1.2 空洞卷积的优劣 2. ASPP3. 代码1 空洞卷积 1.1 空洞卷积的理解 1.1.1 一维(a) 正常卷积：输入特征 Input feature，kernel = 3，stride = 1，pad = 1，输出特征 Output feature。 (b) 空洞卷积：与图 (a) …
2022/1/18 17:05:42 人评论 次浏览 -
ASPP - 空洞空间金字塔池化
文章目录 1 空洞卷积1.1 空洞卷积的理解1.1.1 一维1.1.2 二维 1.2 空洞卷积的优劣 2. ASPP3. 代码1 空洞卷积 1.1 空洞卷积的理解 1.1.1 一维(a) 正常卷积：输入特征 Input feature，kernel = 3，stride = 1，pad = 1，输出特征 Output feature。 (b) 空洞卷积：与图 (a) …
2022/1/18 17:05:42 人评论 次浏览 -
卷积神经网络
1.卷积：提取特征 2.卷积神经网络可以分为两个大的部分：提取特征、分类 3.卷积的步长：卷积核走一步的距离 4. 5.卷积操作：其实是把一张大图片分解成好多个小部分，然后依次对这些小部分进行识别 6.最大池化、均值池化 池化层的作用：卷积操作产生了太多的数据，如果没…
2021/10/16 23:09:41 人评论 次浏览 -
卷积神经网络
1.卷积：提取特征 2.卷积神经网络可以分为两个大的部分：提取特征、分类 3.卷积的步长：卷积核走一步的距离 4. 5.卷积操作：其实是把一张大图片分解成好多个小部分，然后依次对这些小部分进行识别 6.最大池化、均值池化 池化层的作用：卷积操作产生了太多的数据，如果没…
2021/10/16 23:09:41 人评论 次浏览 -
吴恩达深度学习编程作业第四周第一节——Convolution model-step by step v1/v2
1.逐步构建卷积网络 本次要构建的网络基本架构： 注：每进行一次前向传播操作，都会有与之对应的后向传播，前向传播的参数将被存储，这些参数在后向传播过程中将被用来计算梯度。 2.卷积神经网络 2.1零值填充 使用零值填充的好处： 填充帮助你使用卷积层而不需要收缩输…
2021/10/11 22:15:39 人评论 次浏览 -
吴恩达深度学习编程作业第四周第一节——Convolution model-step by step v1/v2
1.逐步构建卷积网络 本次要构建的网络基本架构： 注：每进行一次前向传播操作，都会有与之对应的后向传播，前向传播的参数将被存储，这些参数在后向传播过程中将被用来计算梯度。 2.卷积神经网络 2.1零值填充 使用零值填充的好处： 填充帮助你使用卷积层而不需要收缩输…
2021/10/11 22:15:39 人评论 次浏览 -
周志华西瓜书学习笔记（四）
周志华西瓜书学习笔记（四） CNN卷积神经网络原理 卷积网络（CNN）是一种专门用来处理具有类似网格结构的数据的神经网络，例如：时间序列数据和图像数据。 机器识图的过程：识别图像并不是一下子将一个复杂的图片完整识别出来，而是将一个完整的图片分割成许多个小部分，…
2021/7/23 23:59:19 人评论 次浏览 -
周志华西瓜书学习笔记（四）
周志华西瓜书学习笔记（四） CNN卷积神经网络原理 卷积网络（CNN）是一种专门用来处理具有类似网格结构的数据的神经网络，例如：时间序列数据和图像数据。 机器识图的过程：识别图像并不是一下子将一个复杂的图片完整识别出来，而是将一个完整的图片分割成许多个小部分，…
2021/7/23 23:59:19 人评论 次浏览 -
PyTorch学习—10.nn中网络层的具体使用
文章目录 引言一、卷积层1. nn.Conv2d2.nn.ConvTranspose2d 二、池化层1. nn.MaxPool2d2. nn.AvgPool2d3. nn.MaxUnpool2d 三、线性层1. nn.Linear 四、激活函数层1. nn.Sigmoid2. nn.tanh3. nn.ReLU理论知识插眼：深度学习TF—7.卷积神经网络CNN引言前面，我们学习了如何…
2021/7/17 23:11:39 人评论 次浏览
