李永乐老师卷积神经网络

2024-04-11 08:10:22

https://www.youtube.com/watch?v=AFlIM0jSI9I

卷积过程

卷积核表示图像特征，比如一个右下的线条。

卷积核在图像上移动，做运算，就会得图像的特征图（粉色的。有右下线条的地方数字会特别大。

卷积核的维度和数目

也有竖着的卷积核，左下线条的卷积核。不过有几个卷积核(channel)就生成几个特征图。几张特征图挪一块就变成一个三维立体的图形。比如一个平面图，经过R,G,B3个卷积核，就生成一个3层的特征图。

在上图中输入的图像是100*100*3.可以看成一个三维的图（3个一维图的叠加。卷积核的长和宽自己设定，比如 3*3。深度为当前层图像的个数（channe）。

所以黄色的卷积核可以设置为3*3*3。每个卷积核都是三维的。

卷积核维度: n*n*当前层数的图像数(channel)

由于设置了4个卷积核，所以最后输出了4张特征图。

池化

池化简化了特征图，max pooling就是，每四个小格子选最大的数字来代替。

激活

将池化后的图经过激活函数。比如sigmoid。

多次卷积

1.原图像是(28*28*1)。卷积核维度是(5*5*1)，有n1个卷积核。卷积后有n1张特征图，所以特征图维度（24*24*n1）。池化后（12*12*n1）。

2.将池化后的（12*12*n1）作为第二层的输入。卷积核维度(5*5*n1)，有n2个卷积核。卷积后有n2张特征图，特征图维度（8*8*n2）。池化后（4*4*n2）。

接下来就是两个全连接层。

卷积核和参数一般自动调整达到最优。

李永乐老师卷积神经网络相关推荐

李永乐讲卷积神经网络,李永乐老师讲人工智能
清华大学李永乐老师坐拥千万粉丝,他的课堂有什么魅力? 清华大学李永乐老师拥有上千万的粉丝,这个粉丝拥有量自己觉得很正常,因为每年都有上百万的学子关注这个老师,因为到考研的过程中有一个很大的难题就是数学 ...
李永乐讲卷积神经网络,卷积神经网络最新进展
BP神经网络的核心问题是什么?其优缺点有哪些? . 人工神经网络,是一种旨在模仿人脑结构及其功能的信息处理系统,就是使用人工神经网络方法实现模式识别.可处理一些环境信息十分复杂,背景知识不清楚,推理规 ...
观李永乐老师《双蛋问题》解题后感
观李永乐老师<双蛋问题>解题后感题目开始前,随便说几句. 随便说几句,就是随随便便说的,看不懂没关系.随便说,可能会表达得不好,当作阅读前的热身 . 李永乐老师双蛋问题,大概就是讲,给你 ...
李永乐老师讲一个量子计算机,别再只知道罗翔了！网上最受欢迎的14位老师，个个让人“开天眼”！...
除了推荐「学什么」,这次,我还要推荐「跟谁学」. 第一反应,是跟着大学老师学习! 虽然我是北大清华得不到的人,但是听听高校老师讲课,还是 ok 的. 这里借用一位网友的话: 经过在网络上长时间的学习, ...
阿里达摩院数学竞赛新一轮考题曝光，李永乐老师曾给出第一题详细解答
乾明发自凹非寺量子位报道 | 公众号 QbitAI 三万多人,冥思苦想两天两夜没交卷! 今天,阿里达摩院全球数学竞赛第二轮预选赛结束,战况依旧惨烈: 全球共有5万多名选手报名,最终1.6万多 ...
[dp]双蛋问题李永乐老师视频
2022.10.1更新,此题目在leetcode.cn上有原题,并且有大量详细的题解,见 887. 鸡蛋掉落一.背景今天看李永乐老师的科普视频,里面提到的双蛋问题很有意思.思考了下发现是动态规划问 ...
李沐--＞卷积神经网络
文章目录前言 1. 从全连接层到卷积层 2.卷积层 2.1 二维交叉相关 2.2 二维卷积层 2.3 交叉相关 vs 卷积 2.4 一维和三维交叉相关 3. 卷积里的填充和步幅 3.1 填充 3.2 ...
李永乐讲解计算机科学与技术,【视频】李永乐老师讲解“哥德巴赫猜想”【民科吧】_百度贴吧...
该楼层疑似违规已被系统折叠隐藏此楼查看此楼李老师我有一个证明请你审阅:哥德巴赫猜想的证明摘要:本文证明了任意≥6的偶数都必可表为两个素数之和.证明中是令任意正整数2M为元素的个数,由2M的两两不 ...
李永乐老师讲解MindSpore
参考:https://www.zhihu.com/zvideo/1452361569703718912 1.人工智能框架:不是从零开始编写,有些已经编好了放在那里了,做菜的厨师不会从种子开始做菜,建筑 ...

最新文章

热门文章