摘要：
《python深度学习》笔记 5.1、卷积神经网络简介 一、总结 一句话总结： 弄清楚为什么不同卷积核为什么得到的是不同的特征图 为什么下采样采用最大池化层（为什么不是渐进卷积层或平均池化） 1、dense层的名字？ 密集连接层 2、密集连接层和卷积层的根本区别？ Dense层是全局模式：Dense 阅读全文
posted @ 2020-10-08 21:47
范仁义
阅读(475)
评论(0)
推荐(0)
摘要：
《python深度学习》笔记 5、CNN的多个卷积核为什么能提取到不同的特征 一、总结 一句话总结： 过滤器的权重是随机初始化的 只有卷积核学习到不同的特征，才会减少成本函数 随机初始化的权重可能会确保每个过滤器收敛到成本函数的不同的局部最小值。每个过滤器开始模仿其他过滤器是不可能的，因为这几乎肯定 阅读全文
posted @ 2020-10-08 20:44
范仁义
阅读(1303)
评论(0)
推荐(0)
摘要：
《python深度学习》笔记 5、卷积神经网络识别图像比密集连接层好的根本原因 一、总结 一句话总结： 平移不变性：【右下角学到某个模式之后，它可以在任何地方识别这个模式】：卷积神经网络学到的模式具有平移不变性（translation invariant）。卷积神经网络在图像 右下角学到某个模式之后 阅读全文
posted @ 2020-10-08 18:09
范仁义
阅读(184)
评论(0)
推荐(0)
摘要：
《python深度学习》笔记 4.5、机器学习的通用工作流程 一、总结 一句话总结： 开发过拟合的模型。 基于模型在验证数据上的性能来进行模型正则化与调节超参数 1、广泛使用的分类指标ROC AUC 就不能被直接优化？ 优化 ROC AUC 的替代指标：因此在分类任务 中，常见的做法是优化 ROC 阅读全文
posted @ 2020-10-08 17:11
范仁义
阅读(141)
评论(0)
推荐(0)
浙公网安备 33010602011771号