Python视觉深度学习系列教程第一卷第11章卷积神经网络_"allocate memory for the output image,taking care

作者：AllinToyou | 2024-03-06 02:10:44

踩

"allocate memory for the output image,taking care to \"pad\" the borders of"

第一卷第十一章卷积神经网络

在传统的前馈神经网络中，输入层中的每个神经元都连接到下一层中的每个输出神经元——我们称之为全连接(FC)层。然而，在CNN中，我们直到网络的最后一层才使用FC层。因此，我们可以将CNN定义为一个神经网络，它在网络中的至少一个层中交换了一个专门的“卷积”层而不是“全连接”层。

然后将非线性激活函数（例如ReLU）应用于这些卷积的输出，并且卷积=>激活的过程继续进行（以及其他层类型的混合，以帮助减少输入体积的宽度和高度，并帮助减少过度拟合）直到我们最终到达网络的末端并应用一两个FC层，在那里我们可以获得最终的输出分类。

CNN中的每一层都应用一组不同的过滤器，通常是成百上千个过滤器，然后组合结果，将输出馈送到网络中的下一层。在训练期间，CNN会自动学习这些过滤器的值。

声明：本文内容由网友自发贡献，不代表【wpsshop博客】立场，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：https://www.wpsshop.cn/w/AllinToyou/article/detail/195500