摘要：
1 池化层（Pooling layers） 除了卷积层，卷积网络也经常使用池化层来缩减模型的大小，提高计算速度，同时提高所提取特征的鲁棒性。假如输入是一个 4×4 矩阵，用到的池化类型是最大池化（max pooling），执行最大池化的树池是一个 2×2 矩阵，即f=2，步幅是 2，即s = 2，执 阅读全文
posted @ 2021-07-27 20:49
zhang-X
阅读(2272)
评论(0)
推荐(0)
摘要：
1 单层卷积网络（One layer of a convolutional network） 假设经过两次卷积运算，最终各自形成一个卷积神经网络层，然后增加偏差（它是一个实数），通过线性函数（ Python 的广播机制）给这 16 个元素都加上同一偏差，然后应用非线性激活函数 ReLU，输出结果是一 阅读全文
posted @ 2021-07-27 20:46
zhang-X
阅读(172)
评论(0)
推荐(0)
摘要：
1 Padding 为了构建深度神经网络，需要学会使用的一个基本的卷积操作就是 padding，那么它是如何工作的呢？ 上一节的例题可以看到，如果你用一个 3×3 的过滤器卷积一个 6×6 的图像，你最后会得到一个 4×4 的输出，也就是一个 4×4 矩阵。那是因为你的 3×3 过滤器在 6×6 矩 阅读全文
posted @ 2021-07-27 20:41
zhang-X
阅读(787)
评论(0)
推荐(0)
摘要：
1 边缘检测（Edge detection） 卷积运算是卷积神经网络最基本的组成部分，看一个例子，这是一个 6×6 的灰度图像，因为是灰度图像，所以它是 6×6×1 的矩阵，而不是 6×6×3 的，因为没有 RGB 三通道，为了检测图像中的垂直边缘，可以构造一个 3×3矩阵，像这样，它被称为过滤器， 阅读全文
posted @ 2021-07-27 20:38
zhang-X
阅读(2962)
评论(0)
推荐(0)
摘要：
1 迁移学习（Transfer learning） 有的时候神经网络可以从一个任务中习得知识，并将这些知识应用到另一个独立的任务中，例如，也许你已经训练好一个神经网络，能够识别像猫这样的对象，然后使用那些知识，或者部分习得的知识去帮助您更好地阅读 x 射线扫描图，这就是所谓的迁移学习。 具体来说，在 阅读全文
posted @ 2021-07-27 20:34
zhang-X
阅读(603)
评论(0)
推荐(0)
摘要：
1.2 Softmax 回归（Softmax regression） 有一种 logistic回归的一般形式，叫做 Softmax 回归，能让你在试图识别某一分类时做出预测，或者说是多种分类中的一个.假设你不单需要识别猫，而是想识别猫，狗和小鸡，我把猫加做类 1，狗为类 2，小鸡是类 3，如果不属于 阅读全文
posted @ 2021-07-27 20:19
zhang-X
阅读(440)
评论(0)
推荐(0)
摘要：
1.1 归一化网络的激活函数（Normalizing activations in a network） 在深度学习兴起后，最重要的一个思想是它的一种算法，叫做 Batch 归一化，Batch归一化会使你的参数搜索问题变得很容易，使神经网络对超参数的选择更加稳定，超参数的范围会更加庞大，工作效果也很 阅读全文
posted @ 2021-07-27 20:15
zhang-X
阅读(299)
评论(0)
推荐(0)
浙公网安备 33010602011771号