【Pytorch】学习记录分享5——PyTorch卷积神经网络

发布时间：2023年12月20日

卷积神经网络

1. 卷积层涉及参数及其含义

概述：
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

1. 滑动窗口步长：

在这里插入图片描述

2. 卷积核尺寸：通常33 55等等

在这里插入图片描述

3. 边缘填充：pad==1 zero_padding,以0为边缘的填充

在这里插入图片描述

4. 卷积核个数

在这里插入图片描述

5. 卷积结果计算公式

在这里插入图片描述
如果输入数据是 32 323 的图像,用 10个 553 的filter来进行卷积操作,指定步长为1,边界填充为2
最终输入的规模为 (32-5+22)/1 + 1 = 32,
所以输出规模为 323210, 经过卷积操作后也可以保持特征图长度、宽度不变。

在这里插入图片描述

6. 卷积参数共享

是指：同一轮卷积操作，卷积核内参数不变
在这里插入图片描述

2. 池化层涉及参数及其含义

作用：数据压缩或者下采样
起到了 筛选 压缩 过滤的作用
在这里插入图片描述

1. 最大池化 MAX POOLING

在这里插入图片描述

2. 神经网络层数怎么计算

如下网络总共7层，只有含有矩阵计算的才能算作一层，因此这里只有卷积层和全连接层算， 激活函数和池化层不算在内

在这里插入图片描述

3. 特征图变化

在这里插入图片描述

4. 经典网络架构

AlexNet 12年 8层
在这里插入图片描述
VGG 14年 16层网络
在这里插入图片描述

5. 经典网络架构
文章来源:https://blog.csdn.net/Darlingqiang/article/details/135071998
本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
最新文章