深度学习第四课第一周--卷积神经网络(随笔)
2017-11-07 14:41
239 查看
1.计算机视觉
计算机视觉曾经面临的挑战 –>输入的图片数据量(维度)很大 (64*64*3=12288)当输入图像为1000*1000*3,输入数据为300000时,内存会非常大,也会很容易造成过拟合。
2.边缘检测
垂直边缘和水平边缘检测图示为垂直边缘检测实例
3.Padding
padding解决了两个问题:1.卷积之后图像输出缩小
2.图像的边缘信息容易被忽略
由上图可知卷积核大小一般设置为奇数
卷积步长(stride)
这节没什么要记住的如何卷
3*3*3的卷积核在左图中做对应元素相乘,然后把27个参数相乘结果相加,得到的feature_map为4*4*1
简单卷积网络示例
池化层
优点:1.缩减模型大小
2.提高计算速度
3.提高所提取特征的鲁棒性
池化的过程是对每个通道单独执行max_pooling,即通道数池化后不会减少
推荐值是f=2 s=2,池化后输入图层的高度和宽度缩小一半
为什么卷积如此有效
卷积可以使得参数减少,降低过拟合,自动变得更鲁棒,一图胜万语相关文章推荐
- 深度学习(DL)与卷积神经网络(CNN)学习笔记随笔-03-基于Python的LeNet之LR
- 深度学习(DL)与卷积神经网络(CNN)学习笔记随笔-02-基于Python的卷积运算
- 深度学习(DL)与卷积神经网络(CNN)学习笔记随笔-02-基于Python的卷积运算
- 深度学习(DL)与卷积神经网络(CNN)学习笔记随笔-04-基于Python的LeNet之MLP
- 深度学习(DL)与卷积神经网络(CNN)学习笔记随笔-04-基于Python的LeNet之MLP
- 深度学习(DL)与卷积神经网络(CNN)学习笔记随笔-04-基于Python的LeNet之MLP
- 深度学习(DL)与卷积神经网络(CNN)学习笔记随笔-01-CNN基础知识点
- 深度学习(DL)与卷积神经网络(CNN)学习笔记随笔-02-基于Python的卷积运算
- 深度学习(DL)与卷积神经网络(CNN)学习笔记随笔-01-CNN基础知识点
- 深度学习(DL)与卷积神经网络(CNN)学习笔记随笔-04-基于Python的LeNet之MLP
- 王小草【深度学习】笔记第四弹--卷积神经网络与迁移学习
- 深度学习(DL)与卷积神经网络(CNN)学习随笔-05-基于Python的LeNet之CNN
- 深度学习(DL)与卷积神经网络(CNN)学习笔记随笔-03-基于Python的LeNet之LR
- 深度学习(DL)与卷积神经网络(CNN)学习笔记随笔-04-基于Python的LeNet之MLP
- 深度学习(DL)与卷积神经网络(CNN)学习随笔-05-基于Python的LeNet之CNN
- 深度学习(DL)与卷积神经网络(CNN)学习随笔-05-基于Python的LeNet之CNN
- 深度学习(DL)与卷积神经网络(CNN)学习随笔-05-基于Python的LeNet之CNN
- 【原创 深度学习与TensorFlow 动手实践系列 - 4】第四课:卷积神经网络 - 高级篇
- 深度学习(DL)与卷积神经网络(CNN)学习笔记随笔-02-基于Python的卷积运算
- 深度学习(DL)与卷积神经网络(CNN)学习随笔-05-基于Python的LeNet之CNN