目录 神经网络的卷积、池化、拉伸 LeNet网络结构 LeNet在MNIST数据集上应用 参考资料 LeNet是卷积神经网络的祖师爷LeCun在1998年提出，用于解决手写数字识别的视觉任务。自那时起，CNN的最基本的架构就定下来了：卷积层、池化层、全连接层。如今各大深度学习框架中所使用的LeNet ...
分类：
Web程序 时间：
2019-07-15 19:57:35
阅读次数：
328
卷积神经网络是一种前馈神经网络，是受生物学上感受野的机制提出的，CNN在结构上有三个特性：局部连接、权值共享、时间或空间上的次采样。卷积神经网络在图像处理领域使用得十分广泛，原因在于CNN能够在一定程度上保持图像平移、缩放和扭曲不变性。 一个卷积神经网络通常由以下几个部分组成：输入层、卷积层、池化层 ...
分类：
其他好文 时间：
2019-06-28 22:39:26
阅读次数：
126
卷积层池化和激活函数的顺序 简单来讲，先池化后激活和先激活后池化得到的效果是一样的，先池化进行了下采样，那么在激活函数的时候就减少了消耗 "Activation function after pooling layer or convolutional layer?" ...
分类：
其他好文 时间：
2019-06-04 12:32:54
阅读次数：
220
深度学习相关概念整理 数值梯度和解析梯度 数值梯度就是通过梯度得定义去计算出来的梯度：给予x_i一个非常小的偏移量，去计算出y的偏移量，最后用y的偏移去除以x_i的偏移就是在x_i处的偏导数。 解析梯度就是对目标函数进行直接求偏导，得到的偏导式所算出来的梯度。 CNN中的卷积层与池化层 卷积层，就是 ...
分类：
其他好文 时间：
2019-05-27 12:00:52
阅读次数：
115
SqueezeNet网络模型非常小，但分类精度接近AlexNet。 这里复习一下卷积层参数的计算 输入通道ci，核尺寸k，输出通道co，参数个数为： 以AlexNet第一个卷积为例，参数量达到：3*11*11*96=34848 基础模块 包含三个卷积层（蓝色），步长为1，分为squeeze和expa ...
分类：
Web程序 时间：
2019-05-25 13:09:36
阅读次数：
689
在一般的深度学习框架的 conv2d 中，如 tensorflow、mxnet，channel都是必填的一个参数 在tensorflow中，对于输入样本中 channels 的含义，一般是RGB图片，channels的数量是3（R、G、B）。而灰度图是的channel是1； mxnet 中，一般ch ...
分类：
其他好文 时间：
2019-05-24 12:53:02
阅读次数：
223
深度学习经典网络总结 最近看的4篇经典深度学习的paper，总结一下。 一、AlexNet （一）成绩 多伦多大学alex团队ILSVRC-2012冠军网络 （二）网络结构 5层卷积 + 3层全连接 （三）网络特色 1、局部响应归一化（LRN：Local Response Normalization ...
分类：
其他好文 时间：
2019-05-02 15:56:47
阅读次数：
473
参考：https://www.cnblogs.com/charlotte77/p/7759802.html 卷积层： 作用：特征提取，减小参数 池化层： 作用：将卷积层提取的特征中最能反映该特征的特征值取出来 Flattern layer和全连接层： 作用：前者将前面得到的feature_map这种 ...
分类：
其他好文 时间：
2019-05-01 18:53:31
阅读次数：
220
想要尝试一下将resnet18最后一层的全连接层改成卷积层看会不会对网络效果和网络大小有什么影响 1.首先先对train.py中的更改是： train.py代码可见：pytorch实现性别检测 但是运行的时候出错： 1） [2, 512, 1, 1]为[batch_size, channels, h ...
分类：
Web程序 时间：
2019-04-26 16:10:11
阅读次数：
733
在机器视觉领域的深度神经网络中有一个概念叫做感受野，用来表示网络内部的不同位置的神经元对原图像的感受范围的大小。神经元之所以无法对原始图像的所有信息进行感知，是因为在这些网络结构中普遍使用卷积层和pooling层，在层与层之间均为局部相连（通过sliding filter）。神经元感受野的值越大表示 ...
分类：
其他好文 时间：
2019-03-31 19:25:56
阅读次数：
234
