训练流程+卷积神经网络

训练流程

一般神经网络训练的整体流程

OpenMMLab 2.0的训练流程

卷积神经网络(CNN)

传统的深度神经网络(DNN)在处理图片数据时，存在两点问题：1）参数量大；2）图像本身是二维结构，相邻像素直接存在一定的关联。因此，CNN在cv领域大放异彩。

CNN的优势

1. 局部连接：像素局部相关

2. 权重共享：位移不变性

CNN整体结构

卷积输出尺寸计算公式

其中，k是卷积核大小，s是步长，p是边缘填充。

激活函数

概率输出层

概率输出层将网络输出转换为概率向量。

二分类：通过sigmoid函数计算正类的概率。

多分类：通过softmax函数计算K类的概率。