zoukankan      html  css  js  c++  java
  • 200813_tensorflow2---9、卷积神经网络就是CBAPD(杂)

    200813_tensorflow2---9、卷积神经网络就是CBAPD(杂)

    一、总结

    一句话总结:

    卷积就是特征提取器,就是C(卷积层)B(批标准化层)A(激活层)P(池化层)D(dropout层)
    model=tf.keras.models.Sequential([
        Conv2D(filters=6,kernel_size=(5,5),padding='same'),#卷积层
        BatchNormalization(),#BN层
        Activation('relu'),#激活层
        MaxPoo12D(pool_size=(2,2),strides=2,padding='same'),#池化层
        Dropout(0.2),#dropout层
    ])

    1、要使卷积核的通道数与输入特征图的通道数一致?

    比如rgb三通道的图,可以使用3*3*3的卷积核或者5*5*3的卷积核

    2、卷积神经网络中全零填充和非全零填充怎么表示?

    全零填充:padding="SAME"
    非全零填充:padding="VALID"

    3、卷积层常用参数?

    壹、filters=卷积核个数,
    贰、kernel_size=卷积核尺寸,#正方形写核长整数,或(核高h,核宽w)
    叁、strides=滑动步长,#横纵向相同写步长整数,或(纵向步长h,横向步长w),默认1
    肆、padding="same"or"valid",#使用全零填充是“same”,不使用是“valid”(默认)
    tf.keras.layers.Conv2D(
        filters=卷积核个数,
        kernel_size=卷积核尺寸,#正方形写核长整数,或(核高h,核宽w)
        strides=滑动步长,#横纵向相同写步长整数,或(纵向步长h,横向步长w),默认1
        padding="same"or"valid"#使用全零填充是“same”,不使用是“valid”(默认)
        activation="relu"or"sigmoid"or"tanh"or"softmax"等,#如有BN此处不写
        input_shape=(高,宽,通道数)#输入特征图维度,可省略
    )

    4、BN(批标准化)层位置和BN层作用?

    BN层作用:对一小批数据(batch),使数据符合0均值,1为标准差的分布。
    BN层位置:BN层加在卷积层和激活层之间

    5、池化操作常用参数?

    ①、pool_size=池化核尺寸,#正方形写核长整数,或(核高h,核宽w)
    ②、strides=池化步长,#步长整数,或(纵向步长h,横向步长w),默认为pool size
    ③、padding="valid"or"same"#使用全零填充是"same",不使用是"valid"(默认)
    tf.keras.layers.MaxPool2D(
        pool_size=池化核尺寸,#正方形写核长整数,或(核高h,核宽w)
        strides=池化步长,#步长整数,或(纵向步长h,横向步长w),默认为pool size 
        padding="valid"or"same"#使用全零填充是"same",不使用是"valid"(默认)
    )

    二、内容在总结中

    博客对应课程的视频位置:

     
    我的旨在学过的东西不再忘记(主要使用艾宾浩斯遗忘曲线算法及其它智能学习复习算法)的偏公益性质的完全免费的编程视频学习网站: fanrenyi.com;有各种前端、后端、算法、大数据、人工智能等课程。
    博主25岁,前端后端算法大数据人工智能都有兴趣。
    大家有啥都可以加博主联系方式(qq404006308,微信fan404006308)互相交流。工作、生活、心境,可以互相启迪。
    聊技术,交朋友,修心境,qq404006308,微信fan404006308
    26岁,真心找女朋友,非诚勿扰,微信fan404006308,qq404006308
    人工智能群:939687837

    作者相关推荐

  • 相关阅读:
    如何获取显示器的EDID信息
    VGA
    RK3288 GMAC整理
    基于嵌入式Linux的千兆以太网卡驱动程序设计及测试
    module_param和module_param_array用法
    OSI七层协议模型、TCP/IP四层模型学习笔记
    999
    git
    最小生成树 (Minimum Spanning Tree,MST) --- Kruskal算法
    并查集 (Disjoint Set)
  • 原文地址:https://www.cnblogs.com/Renyi-Fan/p/13682565.html
Copyright © 2011-2022 走看看