知识卡片
卷积共享权重扫描局部
图像卷积层让每个核在空间位置滑动,每个位置对局部窗口和各通道乘加。同一核的参数跨位置复用,因此不需要每个像素位置单独训练检测器。深度学习库常计算不翻核的互相关,依惯例仍称卷积。
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
- 卷积神经网络 · 查看原书依据
卷积神经网络中的参数共享(Parameter Sharing)机制
参考来源
- 位置:《机器学习观止:核心原理与实践》第13章《卷积神经网络》(来源项目 book-source,`extracted/机器学习观止:核心原理与实践/_epub-src/OEBPS/Text/chapter13.xhtml`)。
- 结论依据:第 13.2.1 节用滑动窗口的具体数值及 54 个权重解释共享。
- 原始内容:卷积神经网络中的参数共享(Parameter Sharing)机制