摘要:
VGG网络结构 第一层: 3x3x3x64, 步长为1, padding=1 第二层: 3x3x64x64, 步长为1, padding=1 第三层: 3x3x64x128, 步长为1, padding=1 第四层: 3x3x128x128, 步长为1, padding=1 第五层: 3x3x128 阅读全文
摘要:
Alexnet网络结构, 相比于LeNet,Alexnet加入了激活层Relu, 以及dropout层 第一层网络结构: 11x11x3x96, 步长为4, padding=2 第二层网络结构: 5x5x96x256, 步长为1, padding=1 第三层网络结构: 3x3x256x384,步长为 阅读全文
摘要:
LeNet网络的结构 输入的32x32x1的单通道图片, 第一层网络: 3x3x1x6的卷积层,步长为1, padding = 1, 经过2x2的池化操作 第二层网络: 5x5x6x16的卷积层, 步长为1, padding = 2, 经过2x2的池化操作 第三层网络: 经过.view(out.si 阅读全文
摘要:
基本的卷积神经网络 提取前两层网络结构 提取所有的卷积层网络 打印卷积层的网络名字 对权重参数进行初始化操作 阅读全文