知识卡片
卷积用共享模板扫窗口
把同一小尺寸模板应用到输入的每个局部窗口,产生对应位置的响应。输出尺寸随输入、填充、步长和核长变化,无填充时32个位置用大小5、步长1的核仅得到28个。共享大幅减少为每个位置单设权重的成本。
两种方法都滑动局部窗口,但卷积的模板权重参与学习。参见 [[LBP编码并统计纹理]]。
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
- · 卷积、激活与池化
原书出处 · 1 处
- 深度神经网络 卷积、激活与池化 · 查看原书依据
感受不同空间粒度的图像内容;②卷积核中的参数在训练过程中是共享的,有利于减少神经网络的参数量。试想一下,如果图像学习采用节点型神经
参考来源
- 位置:《机器学习基础》第14章,14.2 卷积神经网络的基本操作(book-source:extracted/机器学习基础/_epub-src/EPUB/xhtml/chapter92.xhtml)
- 结论依据:原文借「卷积核中的参数在训练过程中是共享的」处的论述给出本卡所解释的关系或做法。
- 原始内容:感受不同空间粒度的图像内容;②卷积核中的参数在训练过程中是共享的,有利于减少神经网络的参数量。试想一下,如果图像学习采用节点型神经