湛江seo网站管理,如何做网站搜索排名,孝感个人网站建设,网站开发要什么基础卷积神经网络(Convolutional Neural Networks#xff0c;CNN) 网络的组件#xff1a;卷积层#xff0c;池化层#xff0c;激活层和全连接层。
CNN主要由以下层构造而成#xff1a;
卷积层#xff1a;Convolutional layer#xff08;CONV#xff09;池化层#xff1a…卷积神经网络(Convolutional Neural NetworksCNN) 网络的组件卷积层池化层激活层和全连接层。
CNN主要由以下层构造而成
卷积层Convolutional layerCONV池化层Pooling layer POOL激活层Activation Layer全连接层Fully Connected layerFC 卷积层Convolutional layerCONV
常用的卷积Conv2d在pytorch中对应的函数是
torch.nn.Conv2d(in_channels, out_channels, kernel_size, stride1, padding0, dilation1, groups1, biasTrue, padding_modezeros, deviceNone, dtypeNone)
in_channels (int) – 参数代表输入特征矩阵的深度即channel比如输入一张RGB彩色图像那in_channels3out_channels (int) – 参数代表卷积核的个数使用n个卷积核输出的特征矩阵深度即channel就是nkernel_size (int or tuple) – 参数代表卷积核的尺寸输入可以是int类型如3 代表卷积核的heightwidth3也可以是tuple类型如(5, 3)代表卷积核的height5width3stride (int or tuple, optional) – 参数代表卷积核的步距默认为1和kernel_size一样输入可以是int类型也可以是tuple类型padding (int, tuple or str, optional) – 参数代表在输入特征矩阵四周补零的情况默认为0同样输入可以为int型如1 代表上下左右补一圈0如果输入为tuple型如(2, 1) 代表在上方补两行下方补两行左边补一列右边补一列。padding[0]是在H高度方向两侧填充的padding[1]是在W宽度方向两侧填充的。如果要实现更灵活的padding方式可使用nn.ZeroPad2d方法。dilation (int or tuple, optional)– 空洞卷积参数代表kernel内的点卷积核点的间距默认为1取值方式类似padding。bias (bool, optional) – 参数表示是否使用偏置默认使用groups (int, optional) – 分组卷积的组数能减少参数和正则化效果。默认为1也即都在1个组内。 实际应用中dilation相对较少因此特征图的边长公式一般可以简化如下
