cnn卷积神经网络(基础)

convolutional neural networks

cnn卷积神经网络(基础)_第1张图片

特征提取(卷积、下采样)->分类器 (全连接)

卷积过程

cnn卷积神经网络(基础)_第2张图片依次进行数乘 (每个相同位置上的数字相乘再加和)

左右数乘矩阵channel数量要一样,输出得到一个通道

卷积核与图像无关,属于共享权重的机制

cnn卷积神经网络(基础)_第3张图片

cnn卷积神经网络(基础)_第4张图片 

padding

输入=输出大小,若kernel=3,3/2=1,输入填充1圈0;若kernel=5,5/2=2,填充两圈

cnn卷积神经网络(基础)_第5张图片 cnn卷积神经网络(基础)_第6张图片

 stride:中心移动距离

有效降低high和wide

cnn卷积神经网络(基础)_第7张图片

下采样 

在每一层通道中寻找2x2中最大的

最大池化层

cnn卷积神经网络(基础)_第8张图片

 

 例子

3x3长宽减少2

5x5长宽减少4

池化层2x2长宽减少一半

cnn卷积神经网络(基础)_第9张图片

 cnn卷积神经网络(基础)_第10张图片

池化和relu顺序可以变化  ,最后一层不做激活

迁移到gpu 

 cnn卷积神经网络(基础)_第11张图片

 cnn卷积神经网络(基础)_第12张图片

cnn卷积神经网络(基础)_第13张图片 

 转大佬笔记

你可能感兴趣的:(deep,learn,cnn,深度学习,机器学习)