zoukankan      html  css  js  c++  java
  • 006-卷积神经网络02-池化层,全连接层

    池化层(Pooling layer)

    池化层干一件事:将特征图进行浓缩

    两种方法:一种是max方法,一种是mean方法,

    max方法做的事就是在特征图中选定一个区域,选取里面的最大值,然后放在pooling的结果中

    mean方法就是在特征图中选定一个区域,求这个区域的均值,然后放在pooling的结果中

     这里面不存在权重参数w

    max方法:

    mean方法就是把求max换成求mean

     

    卷积神经网络前向传播框架:

    通常conv+relu是一个整体,卷积完成后,在加一层激活函数

    最后的一个池化层pooling链接的是一个全连接层(FC),得到特征向量。

     

    全连接层:

    全连接到底是一个什么鬼?

    说白了就是用所有的w与全连接的输入进行加权求和,得到的一维向量

    其中,x1、x2、x3为全连接层的输入,a1、a2、a3为输出,根据我前边在笔记1中的推导,有

    可以写成如下矩阵形式:

    这里的w是每一行内的每一个,每一列内的每一个,全部的w都与全部的输出有关系,所以叫做全连接层。

     

     

  • 相关阅读:
    近来感受
    GIT相关命令
    CMMI评审总结
    Windows下Git Bash的设置
    PHP学习三--常用运算符和结构语句
    PHP学习二--常量
    MYSQL基础十一--存储引擎
    MYSQL基础十--存储过程
    MYSQL基础九--自定义函数
    MYSQL基础八--子查询和连接
  • 原文地址:https://www.cnblogs.com/Mjerry/p/9804331.html
Copyright © 2011-2022 走看看