深度学习归纳/Tensorflow

原创
02/21 23:41
阅读数 37
  1. 模型:一个根据输入得到输出的函数
  2. 激活函数:用于避免过拟合的函数,ReLU,sigmoid,tanh
  3. 输出正规化: 将输出转化为概率,softmax
  4. 损失函数: 让输出无限接近正确值,Cross Entropy Error,MSE
  5. 全连接层:维度转化,整合特征,分类,权值记录
  6. 池化层:压缩数据,减小矩阵,提高特征
  7. 卷积层:提取矩阵特征,z=输出,a=输入,l=层数,w=卷积核,b=偏差,s=步长,W=宽,H=高,C=信道,n=序号(代表图像n) https://blog.csdn.net/u010327061/article/details/80041719
    • padding:填充,用于避免卷积导致矩阵缩小, 通常为0, 填充长度等于"卷积核-1/2"
    • valid卷积: 不填充
    • same卷积:填充
    • feature map:特征图, 通过filter提取到的矩阵
    • channel:信道,表示几个特征图
    • filter:卷积核,宽高和取值依用途而定
    • stride: 卷积步长
  8. 1x1卷积
  9. 残差网络
  10. 图片数据:bhwc: height: [ width: [ pixel: [r, g, b],[r, g, b] ] ]
展开阅读全文
加载中

作者的其它热门文章

打赏
0
0 收藏
分享
打赏
0 评论
0 收藏
0
分享
返回顶部
顶部