zoukankan      html  css  js  c++  java
  • 卷积神经网络

    一个卷积核是3维的(Ci*k*k),一个卷积层是4维的  
    Ci :输入通道数 ,padding :左右两边补零的数量
    stride :步长,滑窗隔几个滑一下   。padding 和K 要匹配使用
    

     

    没有提取任何的空间信息,只是简单的缩放

    2(Ci/2*K*K/Co/2) 正常卷积的1/2。一般显卡不够用的时候要分组卷积

    一般会和pointwise 卷积一起使用

    卷积核之间打洞
    c图的dilation(扩大) =3(2个卷积和之间隔着3个)

    正常卷积把尺寸变小,而反卷积把尺寸变大

     

     

     

     

    VGG从深度考虑,而GoogLeNet从宽度考虑
    浅黄色1*1Conv 为了把输入通道数目降低,从而降低卷积层大小,降低网络参数量

    v3 的感受野并没有变化

     

     

    一般网络越深性能越好,但深到一定程度性能开始变差
    因为太深网络无法训练
    ResNet设计的初衷:训练很深的网络

     

    DenseNet :网络小,性能强,但耗时

    SENet :Pooling 后得到一个C维的向量(代表每个通道数的得分)给channel 打分,区分哪些channel是重要的,attention 是网络自动学习得到的。

     

  • 相关阅读:
    mysql:左连接、内连接、in()语句以及对比
    微信小程序与Java的Servlet通信小示例
    MyEclipse快捷键大全
    學習網站
    spring 框架的筆記
    下載地址
    學習hibernate筆記
    配置struts.xml
    蓄水池采样(Reservoir Sampling)
    秦时明月哲理
  • 原文地址:https://www.cnblogs.com/tingtin/p/11898904.html
Copyright © 2011-2022 走看看