摘要： 如果你要做一个计算机视觉应用，相比于从头训练权重，或者说从随机初始化权重开始，如果你下载别人已经训练好的网络结构的权重，那么你的进展会相当快。用这个预训练，然后转换到你感兴趣的任务上。 假如说你要建立一个猫的检测器，用来检测你自己的宠物猫，我们这里分类3个类别，Tigger、Misty和neithe 阅读全文

摘要： 在架构内容设计方面，其中一个比较有帮助的想法是使用1x1卷积。1x1卷积能做什么？ 对于6x6x1的通道的图片来说，1x1卷积效果不佳，如果是一张6x6x32的图片，那么使用1x1卷积核进行卷积效果更好。 1x1卷积所实现的功能是，遍历36（6x6）个单元，计算左图中32个数字和卷积核中32个数字的 阅读全文

摘要： LeNet – 5网络 网络结构为： 输入图像是：32x32x1的灰度图像 卷积核：5x5，stride=1 得到Conv1：28x28x6 池化层：2x2，stride=2 （池化之后再经过激活函数sigmoid） 得到Pool1：14x14x6 卷积核：5x5，stride=1 得到Conv2： 阅读全文