知识卡片
训练滤波器提取特征
滤波器可以作为可训练变量连接到计算图:前向时它对输入局部区域加权,反向时损失对核元素的梯度用于更新权重。书中用已知 Sobel 输出与待训练滤波输出的均方误差作目标,演示从随机核逼近目标核;真实任务中则可直接按任务损失学习有用特征。
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 8.3 可训练的滤波器 · 查看原书依据
滤波器属于计算图中的一个变量节点
参考来源
- 位置:《用Python实现深度学习框架》第8章《卷积神经网络》,8.3 可训练的滤波器(来源项目 book-source:`extracted/用Python实现深度学习框架/_epub-src/text/part0000_split_067.html`)
- 结论依据:原文提供滤波训练示例、通道组合图、池化公式与实现;代码边界由矩阵按行展平及窗口下标推断。
- 原始内容:滤波器属于计算图中的一个变量节点。