卷积神经网络
2020-03-08 14:44
1471 查看
卷积神经网络主要包含：卷积层和池化层
特征图与感受野
特征图：二维卷积层输出的二维数组可以看作是输入在空间维度上某一级的表征。
感受野：影响元素x的前向计算的所有可能输入区域，感受野越广阔，能捕捉输入上更大的特征
填充和步幅
填充是指在输入高和宽的两侧填充元素。
步幅是指卷积核在输入数组上滑动，每次滑动的行数与列数即为步幅
多输入通道和多输出通道
多输出通道
卷积层与全连接层的对比
h
- 点赞
- 收藏
- 分享
- 文章举报
Aphiler
发布了19 篇原创文章 · 获赞 0 · 访问量 221
私信
关注
内容来自用户分享和网络整理，不保证内容的准确性，如有侵权内容，可联系管理员处理 
相关文章推荐
- 【转】卷积神经网络
- Deep Learning 阅读笔记：Convolutional Auto-Encoders 卷积神经网络的自编码表达
- Deep Learning论文笔记之（五）CNN卷积神经网络代码理解
- cuda-convnet 卷积神经网络 一般性结构卷积核个数 和 输入输出的关系以及输入输出的个数的说明:
- [CLPR] 卷积神经网络的结构
- 卷积神经网络（三）：卷积神经网络CNN的简单实现（部分Python源码）
- 卷积神经网络
- Convolutional Neural Networks卷积神经网络
- 基于卷积神经网络的Imagenet识别 + Geffery Hinton
- 基于卷积神经网络的数据预处理以及模型参数保存
- CNN卷积神经网络
- 深度学习(DL)与卷积神经网络(CNN)学习笔记随笔-01-CNN基础知识点
- 深度学习(DL)与卷积神经网络(CNN)学习笔记随笔-02-基于Python的卷积运算
- CNN卷积神经网络总结
- 卷积神经网络改进想法初探（上篇）
- Deep Learning论文笔记之（四）CNN卷积神经网络推导和实现
- 卷积神经网络
- 深度学习方法（五）：卷积神经网络CNN经典模型整理Lenet，Alexnet，Googlenet，VGG，Deep Residual Learning
- 卷积神经网络及其在图像处理中的应用
- 一文读懂卷积神经网络