知识卡片
VGG叠小核扩感受野
在步长为1且通道均为C的简化例中,两层3×3核对应5×5感受野。其权重数为18C²,单层5×5为25C²。两层间还可加入额外非线性,实际成本仍取决于中间特征图和通道。
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
- 深度神经网络 五种卷积结构的设计取舍 · 查看原书依据
想获得同样尺寸的输出特征图像,小卷积核使用的参数量更少。如果把这个例子换成输入为7×7的特征图像,方案①仍使用3×3的卷积核,方案
参考来源
- 位置:《机器学习基础》第14章,14.3 经典卷积神经网络(book-source:extracted/机器学习基础/_epub-src/EPUB/xhtml/chapter93.xhtml)
- 结论依据:原文借「小卷积核使用的参数量更少」处的论述给出本卡所解释的关系或做法。
- 原始内容:想获得同样尺寸的输出特征图像,小卷积核使用的参数量更少。如果把这个例子换成输入为7×7的特征图像,方案①仍使用3×3的卷积核,方案