2023年11月8日
机器学习——网络中的网络NiN
摘要： NiN块 回想一下，卷积层的输入和输出由四维张量组成，张量的每个轴分别对应样本、通道、高度和宽度。 另外，全连接层的输入和输出通常是分别对应于样本和特征的二维张量。 NiN的想法是在每个像素位置（针对每个高度和宽度）应用一个全连接层。 如果我们将权重连接到每个空间位置，我们可以将其视为1*1卷积层， 阅读全文
posted @ 2023-11-08 16:38 Yohoc 阅读(71) 评论(0) 推荐(0)
机器学习——使用块的网络VGG
摘要： VGG块 虽然AlexNet证明深层神经网络卓有成效，但它没有提供一个通用的模板（例如VGG块）来指导后续的研究人员设计新的网络。 在下面的几个章节中，我们将介绍一些常用于设计深层神经网络的启发式概念。 经典卷积神经网络的基本组成部分是下面的这个序列： 带填充以保持分辨率的卷积层； 非线性激活函数， 阅读全文
posted @ 2023-11-08 16:02 Yohoc 阅读(77) 评论(0) 推荐(0)
机器学习——深度卷积神经网络AlexNet
摘要： AlexNet相对于LeNet的主要优势包括: 1. 更深的网络结构 AlexNet有8层结构,而LeNet只有5层。网络更加深入有利于学习更抽象的高级特征。 2. 使用ReLU激活函数 AlexNet使用ReLU激活函数,避免梯度消失问题,使得深层网络的训练更加容易。 3. 引入Dropout操作 阅读全文
posted @ 2023-11-08 15:40 Yohoc 阅读(78) 评论(0) 推荐(0)