zoukankan      html  css  js  c++  java
  • CV第五课 Convolutional Neural Networks 上

    slides见 http://cs231n.stanford.edu/2017/syllabus.html

    1. 回顾全连接层

    2. 卷积层: 能maintain数据的空间结构

      1) fileterW在做点积的时候,5*5*3 被flatten 成 75*1 ,然后点积得到一个值  

        两个向量a = [a1, a2,…, an]和b = [b1, b2,…, bn]的点积定义为:
     
          a·b=a1b1+a2b2+……+anbn
     

        图二是filter的移动和映射

        *注意: 生成的output 叫做 activation map

     

    2) 步长(stride)与output_size的对应

     3)0 padding

      以上我们可以看出 输入尺寸为7*7*3的图片经过 filtter之后,输出的尺寸变小了->5*5*3,如果想要维持原尺寸,可以加 padding

      没有Padding 尺寸会变小的非常快,如下

     

    4) ConvNets 的步骤

     

     5)问题:

      (1) (N + 2padding - fileter) / stride + 1 :

          (32+2*2-5)/1 + 1 = 32

        

       (2) 上题中,有多少参数:   (5*5*3+1)*10 = 760     加的1是 Bias

    6)

      在一次或几次卷积之后,宽度就不是3, 此时filter宽度(1*1*64)与上一层 filter 数量相同(64个 5*5*3)

     

  • 相关阅读:
    qiankun 报错:Target container with #container not existed while xxx mounting!
    promise加载队列实现
    promise 封装定时器
    关于promise
    节流防抖
    箭头函数特点
    this
    手写apply
    手写call
    手写bind函数
  • 原文地址:https://www.cnblogs.com/ChevisZhang/p/12922665.html
Copyright © 2011-2022 走看看