简单CNN的基本网络元素及其设计原则
0 数据预处理
归一化
分块
1 权重和偏置初始化
高斯分布截断抽取,方差选择
全0初始化偏置
2 卷积层结构
卷积核
步长
特征层
激活函数
卷积层数
3 池化层结构
是否池化
池化核
步长
重叠池化
4 全连接层结构
FC层数
节点数
激活函数
dropout过拟合抑制
5 输出层和训练方式
分类输出:softmax
cost function:交叉熵
训练算法:随机梯度下降(tf动量),反向传播
0 数据预处理
归一化
分块
1 权重和偏置初始化
高斯分布截断抽取,方差选择
全0初始化偏置
2 卷积层结构
卷积核
步长
特征层
激活函数
卷积层数
3 池化层结构
是否池化
池化核
步长
重叠池化
4 全连接层结构
FC层数
节点数
激活函数
dropout过拟合抑制
5 输出层和训练方式
分类输出:softmax
cost function:交叉熵
训练算法:随机梯度下降(tf动量),反向传播