Cs231n课堂内容记录-Lecture 5 卷积神经网络介绍
Lecture 5 CNN
课堂笔记参见:https://zhuanlan.zhihu.com/p/22038289?refer=intelligentunit
不错的总结笔记:https://blog.csdn.net/sugar_girl/article/details/79108709
1.卷积核步长公式:(N-F+2*padding)/stride+1=new_N
N:原图形宽,F:filter宽,padding:填充宽度
2.卷积核参数公式:5*5*3的10个filter:5*5*3+1(权重加上偏置,一个卷积核对应一个偏置,相当于一次wx+b运算),然后76*10
3.有时候我们会使用1*1卷积核,这样做就是在深度上进行点积。
4.步长跟图像的分辨率有关,当我们使用较大的步长,得到的图片就是一个下采样的结果,可以说等同于一种池化处理,但有时候比池化的效果更好。
5.步长跟图像的分辨率有关,当我们使用较大的步长,得到的图片就是一个下采样的结果,可以说等同于一种池化处理,但有时候比池化的效果更好。
6.选用最大池化的原因:卷积结果的每一个值都表示该卷积区域对应神经元的激活程度,或者该位置经卷积核处理后的激活程度。那么最大池化就表示,这组卷积核在图像任意区域的激活程度(能达到的最大值)。在目标检测任务中,最大池化是最直观的,它能将图像最显著的特征凸显出来。
7.全连接层的作用可以理解为回到了之前的朴素神经网络进行分类,我们不再需要空间结构,将卷积得到的结果一维展开然后进行评分和分类。
8.训练CNN的demo网页:
同样很好用,优点是将各层output以及filter可视化了,整个界面很友好。
https://cs.stanford.edu/people/karpathy/convnetjs/demo/cifar10.html
Cs231n课堂内容记录-Lecture 5 卷积神经网络介绍的更多相关文章
- Cs231n课堂内容记录-Lecture 4-Part2 神经网络
Lecture 7 神经网络二 课程内容记录:https://zhuanlan.zhihu.com/p/21560667?refer=intelligentunit 1.协方差矩阵: 协方差(Cova ...
- Cs231n课堂内容记录-Lecture 4-Part1 反向传播及神经网络
反向传播 课程内容记录:https://zhuanlan.zhihu.com/p/21407711?refer=intelligentunit 雅克比矩阵(Jacobian matrix) 参见ht ...
- Cs231n课堂内容记录-Lecture 3 最优化
Lecture 4 最优化 课程内容记录: (上)https://zhuanlan.zhihu.com/p/21360434?refer=intelligentunit (下)https://zhua ...
- Cs231n课堂内容记录-Lecture 9 深度学习模型
Lecture 9 CNN Architectures 参见:https://blog.csdn.net/qq_29176963/article/details/82882080#GoogleNet_ ...
- Cs231n课堂内容记录-Lecture 7 神经网络训练2
Lecture 7 Training Neural Networks 2 课堂笔记参见:https://zhuanlan.zhihu.com/p/21560667?refer=intelligent ...
- Cs231n课堂内容记录-Lecture 6 神经网络训练
Lecture 6 Training Neural Networks 课堂笔记参见:https://zhuanlan.zhihu.com/p/22038289?refer=intelligentun ...
- Cs231n课堂内容记录-Lecture 8 深度学习框架
Lecture 8 Deep Learning Software 课堂笔记参见:https://blog.csdn.net/u012554092/article/details/78159316 今 ...
- Cs231n课堂内容记录-Lecture1 导论
Lecture 1 视频网址:https://www.bilibili.com/video/av17204303/?p=2 https://zhuanlan.zhihu.com/p/21930884? ...
- Cs231n课堂内容记录-Lecture2-Part2 线性分类
Lecture 3 课程内容记录:(上)https://zhuanlan.zhihu.com/p/20918580?refer=intelligentunit (中)https://zhuanlan. ...
随机推荐
- dataframe的select传入不定参数
在提取 dataframe 里面的列时,需要传入不定参数,即 dataframe.select(args) .例如某个 dataframe 如下: 一般提取某列或者某几列的时候是这样子写的: data ...
- 编译安装mysql5.7.24踩的坑
1.报错如下:CMake Error at cmake/boost.cmake:76 (MESSAGE): You can download it with -DDOWNLOAD_BOOST=1 - ...
- C++11 move语意
C++11带来的move语义 C++11引入了move语义,stl中的容器基本都支持move语义,因此我们在使用stl中的容器的时候,就已经使用过move语义了,在网上看了不少关于mo ...
- PyQt:个性化登录界面模仿QQ登录
写在前面 写了一个登录界面的demo,类似QQ的,写的自己喜欢的样式,贴一下代码,先上效果,如下 陈述 PyQt5+Python3.5.2 login.py是里登录的主界面loginWnd类,Head ...
- 网络设备配置与管理(华为)基础系列 :VLAN故障排除和GVRP
一.VLAN故障排除 故障排除的三步骤:故障定位 → 分析故障 → 排除故障 一般情况下,网络设备配置的故障有两种排错方式 A.静态排错:主要靠display查看配置信息的方式进行 在相关vlan下d ...
- 自己构建一个Spring自定义标签以及原理讲解
平时不论是在Spring配置文件中引入其他中间件(比如dubbo),还是使用切面时,都会用到自定义标签.那么配置文件中的自定义标签是如何发挥作用的,或者说程序是如何通过你添加的自定义标签实现相应的功能 ...
- javascript入门篇(一)
未定义:undefined 布尔类型值:true,false 判断类型:typeof() 绝对值:Math.abs(-1) 声明常量:const 声明变量:var 小数两值互换如果出现问题,可以通 ...
- 小程序开发笔记【一】,查询用户参与活动列表 left join on的用法
今天在做一个用户活动查询功能的时候,查询参与的活动.正常,使用egg-mysql查询数据一般会这么写 result = await this.app.mysql.select('tb_activity ...
- Jenkins结合.net平台综合应用之使用FileZilla搭建ftp服务器
上一节我们讲解了如何编译web项目,web项生成以后我们是手动复制到iis目录下的,这显然不符合devops初衷,这里我们讲解如何利用ftp协议把文件传到远程服务器的iis目录下. 这一讲分两部分一部 ...
- celery4+django2定时任务
网上有很多celery + django实现定时任务的教程,不过它们大多数是基于djcelery + celery3的: 或者是使用django_celery_beat配置较为繁琐的. 显然简洁而高效 ...