做简单网站用什么软件有哪些,c2c平台特点,设计公司起名字寓意好的字,网架结构厂家参考视频#xff1a;https://www.youtube.com/watch?vE5Z7FQp7AQQlistPLuhqtP7jdD8CD6rOWy20INGM44kULvrHu
视频4#xff1a;CNN 中 stride 的概念 如上图#xff0c;stride 其实就是 ”步伐“ 的概念。
默认情况下#xff0c;滑动窗口一次移动一步。而当 stride …参考视频https://www.youtube.com/watch?vE5Z7FQp7AQQlistPLuhqtP7jdD8CD6rOWy20INGM44kULvrHu
视频4CNN 中 stride 的概念 如上图stride 其实就是 ”步伐“ 的概念。
默认情况下滑动窗口一次移动一步。而当 stride 2 时则一次移动两步垂直移动和水平移动都是。
当我们提高 stride 的值的时候卷积操作产生的特征图的 size 会成倍减少如下图 stride 2 具体请看 1:47
当使用 padding 的时候卷积产生的 特征图的 大小通过下面公式计算 视频5max pooling in CNN
max pooling 在做的事情如下图 如上图滑动窗口提取出窗口中的最大值放进新图里
一般而言stride 的值和滑动窗口的边长是相等的 如上图这有两个好处 1.减少图像大小减少 computational cost 2.锐化图的特征加强图的特征 因为它保留了最大值
关于锐化特征更明显的例子如下图
使用 max pooling layer 时输入有多少张图输出就有多少张图如下图 实际上我们并不总是使用 max pooling layer。因为 max pooling layer 会减少图的 size。
使用 Max pooling layer 的地方通常只在 卷积层 后面
需要注意的是max pooling layer 里并不涉及参数所以它这块地方并不需要训练
除了 max pooling layer 外还有 average pooling 等等看需求
下图是一个总结 视频6CNN 里的 fully connected layer 全连接层
全连接层其实就是 simple neural network被用来做分类
下图是个更好的解释 如上图卷积层提取原图的特征随后有可能经过 max pooling layer 来减少图的大小以及锐化特征。接着产出的图被展开作为后面的全连接层的输入。随后就是一个用于分类的神经网络。
需要注意的是全连接层的输出层的神经元数量和我们要分的类别的数量是相等的。
此外全连接层中的 ”边“ 权重矩阵 是需要被训练的。
如下图是总结
