当前位置:   article > 正文

深度学习之模型层_深度学习模型层

深度学习模型层

深度学习模型通常由许多不同类型的层组成,每个层都有其特定的功能和用途。以下是一些常见的深度学习层以及它们的术语和解析:

  1. 全连接层(Fully Connected Layer):

    • 术语
      • 输入层(Input Layer):接收模型输入的层。
      • 输出层(Output Layer):产生模型输出的层。
      • 权重(Weights):连接输入和输出的参数。
      • 偏置(Bias):每个输出神经元的偏移量。
  2. 卷积层(Convolutional Layer):

    • 术语
      • 卷积核(Kernel):卷积操作的滤波器,用于提取特征。
      • 特征图(Feature Map):卷积操作的输出。
      • 步幅(Stride):卷积核在输入上滑动的步长。
      • 填充(Padding):在输入周围添加额外的像素,用于控制输出大小。
      • 通道(Channel):输入和输出的深度。
  3. 池化层(Pooling Layer):

    • 术语
      • 池化核&#
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/小小林熬夜学编程/article/detail/194336
推荐阅读
相关标签
  

闽ICP备14008679号