卷积神经网络CNN3

卷积神经网络-基础教程_哔哩哔哩_bilibili

池化层Pooling

主要对卷积层学习到的特征图进行亚采样（subsampling）处理

最大池化

平均池化

降低了后续网络层的输入维度，缩减模型大小，提高计算速度

提高了Feature Map 的鲁棒性，防止过拟合

激活层activation layer

负责对卷积层抽取的特征进行激活，对卷积的线性变换结果进行非线性映射。

ReLu、LeakReLu、PReLu、ELU、SELU激活函数 - 知乎 (zhihu.com)

ReLu

 

代码懒得贴上来了。 

全连接层

 就是通过全连接层将原本的特征图转化为最终进行分类、回归任务的作用。

全连接层的原理：

(2条消息) 全连接层（Fully Connected Layer）_CVAIDL的博客-CSDN博客_全连接层公式

就是：

全连接层还可以将分布式特征representation映射到样本标记空间，大大减少特征位置对分类带来的影响：

 解决非线性问题：

 

 

 

 

validation accuracy验证准确性。

全连接层的作用是什么？ - 知乎 (zhihu.com)陈大宝的回答

 

 

案例：

代码就先懒得贴上来了...（有需要再联系我吧）

 np.random.rand(3,3,3)的输出：

(2条消息) Python学习：matplotlib模块——plt.savefig存储文件_awesome.st的博客-CSDN博客_plt.savefig 运行代码报错：

解决方法：

(2条消息) cannot import name '_validate_lengths' from 'numpy.lib.arraypad'_大鱼的博客-CSDN博客

升级skimage版本。