深度学习模型通常由许多不同类型的层组成,每个层都有其特定的功能和用途。以下是一些常见的深度学习层以及它们的术语和解析:
-
全连接层(Fully Connected Layer):
- 术语:
- 输入层(Input Layer):接收模型输入的层。
- 输出层(Output Layer):产生模型输出的层。
- 权重(Weights):连接输入和输出的参数。
- 偏置(Bias):每个输出神经元的偏移量。
-
卷积层(Convolutional Layer):
- 术语:
- 卷积核(Kernel):卷积操作的滤波器,用于提取特征。
- 特征图(Feature Map):卷积操作的输出。
- 步幅(Stride):卷积核在输入上滑动的步长。
- 填充(Padding):在输入周围添加额外的像素,用于控制输出大小。
- 通道(Channel):输入和输出的深度。
-
池化层(Pooling Layer):