文章分类 - 机器学习基础知识
摘要:在做机器学习的时候经常一个卷积层后跟一个avtivation层,主要的参数是relu 和softmax. 激活函数Activations 激活函数可以通过设置单独的激活层实现,也可以在构造层对象时通过传递activation参数实现。 等价于 也可以通过传递一个逐元素运算的Theano/Tensor
阅读全文
摘要:下面来介绍几种简单的训练技巧: 1.首先说一下filter(感受野)的概念:感受野的大小即特征图中的某一单元是从原始输入图像中多大的一块区域中提取的特征; 如上图,第一次卷积后得到的特征图中,每一个小单元的感受野大小为3*3,而第二次卷积后特征图中的每一个小单元对应的感受野大小为5*5,以此类推,如
阅读全文
摘要:1.经典神经网络有:2012年提出的AlexNet和2014年提出的VGGNet,结构图分别如下: 2.分类与回归: (1)分类(classfication):就是经过经过一系列的卷积层和池化层之后,再经过全连接层得到样本属于每个类的得分,再用比如softmax分类其对其进行分类; (2)回归(re
阅读全文
摘要:引自: 卷积神经网络_(1)卷积层和池化层学习 卷积神经网络(CNN)由输入层、卷积层、激活函数、池化层、全连接层组成,即INPUT-CONV-RELU-POOL-FC (1)卷积层:用它来进行特征提取,如下: 输入图像是32*32*3,3是它的深度(即R、G、B),卷积层是一个5*5*3的filt
阅读全文