神经网络应该注意的重要问题

作为一个图像的最小部分也就是不变部分不应是一个像素
而是一条线或者是一个圆形方形，也就是说图像的基本单位是二维的不应是什么向量，就算当前的所有神经网络都使用的是多维，但是他们的基本单位还是一个像素。
所以要想
神经网络对图像的识别判断提取信息必须是二维以上，才可以加速或者是更加准确的实现，人类的智能同理人类的语言也一样，基本单位至少是英文的一个字母
中文的一个拼音一个偏旁部首

一个图像的最小单位也是两个像素不变

所以一个图中的基本单位可以表示为x，y两个像素坐标的列表
，
表示为一个二维数组（只有0,1）
这个二维数组×原图代表图中的某一个形状，
一个图多个这样的二维数组加和而成

假设1
z_image=a×image+b+image+。。。。。。。。。
（最多为一个像素一个形状，也就是x×y个）
假设2
每个图中都是由不同的线条组成的所以使用每个线条的坐标作为参数传递给网络
这样能够得出一个多个模型一个图像
模型可以小但是必须要多个种类同时完成一个任务，
而且多个模型分开训练就可以或者更加方便的分布式训练了

神经网络应该注意的重要问题相关推荐

为什么神经网络的激活函数必须使用线性函数？
什么是线性函数? 函数本来是输入某个值后会返回一个值的转换器.向这个转换器输入某个值后,输出值是输入值的常数倍的函数称为线性函数(用数学式表示为h(x) = cx. c为常数).因此,线性函数是一条笔 ...
【机器学习】RNN循环神经网络
循环神经网络归属: 领域:机器学习方向:自然语言处理贡献:自动文本生成循环神经网络实际应用: 生活中因为原始数据都是序列化的,比如自然语言,语音处理,时间序列问题(股票价格)等问题, 这个时候需 ...
Hopfiled 神经网络实例解释
Hopfiled 神经网络入门进击吧程序猿 2018-01-01 23:04:27 本文参考 Hinton 的机器学习课程,总结了 Hopfield 神经网络,整个学习的脉络是:Hopfield 网 ...
卷积神经网络之卷积计算、作用与思想深度学习
博客:blog.shinelee.me | 博客园 | CSDN 卷积运算与相关运算在计算机视觉领域,卷积核.滤波器通常为较小尺寸的矩阵,比如3×33×3.从这个角度看,多层卷积是在进行逐层映射,整 ...
机器都会学习了，你的神经网络还跑不动？来看看这些建议
在很多机器学习的实验室中,机器已经进行了上万小时的训练.在这个过程中,研究者们往往会走很多弯路,也会修复很多bug,但可以肯定的是,在机器学习的研究过程中,学到经验和知识的并不仅仅是机器,我们人类也积 ...
BERT大火却不懂Transformer？读这一篇就够了原版可视化机器学习可视化神经网络可视化深度学习...20201107
20211016 调节因子 20211004 [NLP]Transformer模型原理详解 - 知乎论文所用 20210703 GPT模型与Transformer进行对比_znevegiveup1的 ...
神经网络为什么需要多次epoch
Δw(t)=−ε ∂w(t) ∂E +αΔw(t−1)(9) 我们知道反向传播每次迭代的效果是这样的: w=w+Δw(t) w=w+\Delta w(t) w=w+Δw(t) 我们知道,每条训练数 ...
卷积神经网络通俗解读
转载自:https://blog.csdn.net/dong_lxkm/article/details/80575207 一.前言最近一直在研究深度学习,联想起之前所学,感叹数学是一门朴素而神奇的科 ...
NLP进阶之（七）膨胀卷积神经网络
NLP进阶之(七)膨胀卷积神经网络 1. Dilated Convolutions 膨胀卷积神经网络 1.2 动态理解 1.2.2 转置卷积动画 1.2.3 理解 2. Dilated Convolu ...
Pytorch学习记录-torchtext和Pytorch的实例（使用神经网络训练Seq2Seq代码）
Pytorch学习记录-torchtext和Pytorch的实例1 0. PyTorch Seq2Seq项目介绍 1. 使用神经网络训练Seq2Seq 1.1 简介,对论文中公式的解读 1.2 数据预 ...

神经网络应该注意的重要问题

神经网络应该注意的重要问题相关推荐

最新文章

热门文章