知识卡片
卷积核重复提取局部特征
卷积层使用同一组核权重滑过整个输入。每个局部窗口与核逐元素相乘求和,得到输出特征图的一个位置。权重共享使同一种图案能够在不同位置被检测到。训练通过任务损失调整卷积核。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 神经网络 10.2.2 · 查看原书依据
的特征。卷积核与数字矩阵对应位相乘再相加,得到卷积层的输出结果,如图10-8所示,429=(18×1+54×0+51×1+55×0+121×1+75×0+35×1+24×0+204×1)。
参考来源
- 位置:《AI制胜:机器学习极简入门》第10章 神经网络 §10.2.2(来源项目 book-source:extracted/AI制胜:机器学习极简入门/_epub-src/OEBPS/Text/chapter10.xhtml#isbn9787302555513_10_1_1_5)
- 结论依据:原文用 6×6 图像、卷积核和局部乘加演算说明特征图。
- 原始内容:的特征。卷积核与数字矩阵对应位相乘再相加,得到卷积层的输出结果,如图10-8所示,429=(18×1+54×0+51×1+55×0+121×1+75×0+35×1+24×0+204×1)。