码迷,mamicode.com
首页 > 其他好文 > 详细

卷积神经网络CNN

时间:2021-06-28 20:34:20      阅读:0      评论:0      收藏:0      [点我收藏+]

标签:def   模型   width   返回   col   range   特征   ann   变化   

1. 卷积神经网络是通过什么方式来完成可训练参数的减少?

  1)卷积层(局部感受野+权值共享)

  2)采样层(逐渐降低分辨率)

2. 原始图像大小变化怎样影响模型可训练参数个数?

  参数个数:首先卷积层和池化层不会受到影响,全连接层受到影响

  计算数目:受到影响

3. img2col

  将图像中的感受野编码成行列的模式,加速卷积计算

def img2col(x, ksize, step):
    # x [width,height,channel] 宽,长,深度
    wx, hx, cx = x.shape
    # 返回的特征图尺寸
    feature_w = (wx - ksize) // step + 1
    image_col = np.zeros((feature_w * feature_w, ksize * ksize * cx))
    num = 0
    
    for i in range(feature_w):
        for j in range(feature_w):
            image_col[num] = x[i * step:i * step * ksize, j * step:j * step * ksize, :].reshape(-1) //表示一个感受野
            num += 1    
    
    return image_col

 

卷积神经网络CNN

标签:def   模型   width   返回   col   range   特征   ann   变化   

原文地址:https://www.cnblogs.com/jimlee123/p/14942700.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!