一张图理解卷积层的参数共享
2016-11-20 15:41
337 查看
全连接层缺点是参数很多,卷积层可以减少参数,减少计算量,因为卷积层的参数共享特性。
在学习了点击打开链接
以后,继续看下图:
学习了点击打开链接
知道,小盆友1视野很小,每个感受野对应一些参数,假设为w1w2w3w4,每滑动一次,另一个感受野又对应四个w,因为每个小朋友都有自己处事原则(不管看什么,参数不变),所以一个小盆友只要学习四个参数。一幅图只要4*5=20个参数
开个玩笑,如果小盆友都很善变,每次看东西方式都变,会有height_col*width_col*4*5个参数啊!计算量很大
注: int height_col= (height + 2 * pad_h - kernel_h) / stride_h + 1;
int width_col = (width + 2 * pad_w - kernel_w) / stride_w + 1;
在学习了点击打开链接
以后,继续看下图:
学习了点击打开链接
知道,小盆友1视野很小,每个感受野对应一些参数,假设为w1w2w3w4,每滑动一次,另一个感受野又对应四个w,因为每个小朋友都有自己处事原则(不管看什么,参数不变),所以一个小盆友只要学习四个参数。一幅图只要4*5=20个参数
开个玩笑,如果小盆友都很善变,每次看东西方式都变,会有height_col*width_col*4*5个参数啊!计算量很大
注: int height_col= (height + 2 * pad_h - kernel_h) / stride_h + 1;
int width_col = (width + 2 * pad_w - kernel_w) / stride_w + 1;
相关文章推荐
- Deep Learning(深度学习)学习笔记整理系列之LeNet-5卷积参数个人理解
- Deep Learning(深度学习)学习笔记整理系列之LeNet-5卷积参数个人理解
- SharedPreferences-共享参数实现理解
- LetNet5卷积参数理解
- LetNet5卷积参数理解
- Deep Learning(深度学习)学习笔记整理系列之LeNet-5卷积参数个人理解
- 如何理解卷积、权值共享、池化
- Deep Learning(深度学习)学习笔记整理系列之LeNet-5卷积参数个人理解
- 关于SharedPreferences共享参数的学习与理解
- Deep Learning(深度学习)学习笔记整理系列之LeNet-5卷积参数个人理解
- 一张图理解卷积神经网络卷积层和感受野
- CNN的超参数 & 宽卷积和窄卷积的理解及tensorflow中的实现
- LetNet5卷积参数理解
- 理解 Delphi 的类(十) - 深入方法[11] - 参数前缀
- Activex 一控件如何对参数处理 ,新手 上班第一天接到这东西看不懂不理解
- 几点对专用服务器与共享服务器差异的理解
- 理解 Delphi 的类(十) - 深入方法[3] - 调用时参数分割
- 理解 Delphi 的类(十) - 深入方法[21] - 开放数组参数
- 如何理解Move参数中的const Source和var Dest
- 理解 Delphi 的类(十) - 深入方法[4] - 共同类型的参数的简化写法