← 返回卡片

原书出处

深度学习

09 第9章 卷积网络

核验版本的摘录快照 · 导入于 2026-11-19T07:27:03.631Z

置的统计差异。例如,当使用隐含的零填充时,图像边缘的探测单元接收到较少的输入,因此需要较大的偏置。 9.6 结构化输出

卷积神经网络可以用于输出高维的结构化对象,而不仅仅是预测分类任务的类标签或回归任务的实数值。通常这个对象只是一个张量,由标准卷积层产生。

例如,模型可以产生张量S ,其中S i,j,k 是网络的输入像素(j,k)属于类i的概率。这允许模型标记图像中的每个像素

此预览只包含定位所需的摘录和上下文。

原书定位详情

来源:a19c7933-4eda-4176-aebd-30fe7e1ad292

正文位置:extracted/深度学习/_epub-src/text/part0003.html

EPUB SHA-256:30b05f447b47f121324499dd200696e34be257d5cd4c4b753541b42f40a94639