logo
Loading...

卷積神經網路架構細節 - 機器學習百日 - Cupoy

今天的內容會帶大家了解 1. 卷積層中的卷積過程是如何計算的 2. CNN 架構 3. CNN 為何適用於 Image 處理,及為何卷積核有效 卷積的運算: 輸入(圖片)通過和 kerne...

今天的內容會帶大家了解 1. 卷積層中的卷積過程是如何計算的 2. CNN 架構 3. CNN 為何適用於 Image 處理,及為何卷積核有效 卷積的運算: 輸入(圖片)通過和 kernel(filter)進行矩陣運算得到特徵(feature map) 當進行多個通道(channel)的卷積時,filter 的深度取決於上一層的 channel 數 特徵圖的深度則是取決於 filter 的個數 卷積網路的組成: 卷積層(Convolution Layer) 池化層(Pooling Layer) 平坦層(Flatten Layer) 全連接層(Fully connected Layer) 有了大概的理解之後,我們開始今天的學習吧!!!