CNN卷积神经网络层级结构 |
您所在的位置:网站首页 › 神经网络层次结构是什么 › CNN卷积神经网络层级结构 |
卷积神经网络层次结构包括: 数据输入层/ Input layer 卷积计算层/ CONV layer 激励层 / ReLU layer 池化层 / Pooling layer 全连接层 / FC layer 输入数据,通常会作一些数据处理,例如: 去均值:把输入数据各个维度都中心化到0 归一化:幅度归一化到同一范围 PCA/白化:用PCA降维,白化是在对数据每个特征轴上的数据进行归一化。 卷积计算层(CONV layer)
如上图图所示,左边为数据集,右边为一个神经网络 窗口:卷积计算层会在数据集上选定一个窗口,从窗口内选择数据 深度(depth):如下图所示,左边的数据集深度为3,右边的神经网络深度为5(有五个神经元) 步长(stride):窗口每次移动的距离 填充值(zero-padding):因为窗口移动到数据边缘时,可能不能正好遍历完所有数据,所以有时要在数据集周边填充上若干圈全为0的数据 |
今日新闻 |
点击排行 |
|
推荐新闻 |
图片新闻 |
|
专题文章 |
CopyRight 2018-2019 实验室设备网 版权所有 win10的实时保护怎么永久关闭 |