热门
最新
红包
立Flag
投票
同城
我的
发布
七章
1、卷积的合理性?
2、填充的合理性?
3、为什么要考虑cnn的三维数据情况,是因为有颜色吗?
4、一般来说,池化的窗口大小会
和步幅设定成相同的值。?
5、im2col的详细版https://blog.csdn.net/sty945/article/details/125135444
6、池化的反向是如何实现的?
7、pooling后如何做affine?或者说权重的数量怎么选择?难道要铺开成为1维吗?是的,铺开为1维度,滤波器是w,affine的w是在pooling后进行的。
8、为什么越深层的神经元反应越来越复杂?
八章,
1、通道数为什么会变大?随着网络的加深
2、为什么深层网络cnn参数变小?感知那里没看懂。
七章主要学了cnn各种方面的东西,但是唯一疑惑的就是合理性,方法知道了,但是为什么这样做我不知道。虽然说还是按老样子的来说,理论上,神经网络可以模拟任意函数,但cnn的加入,为什么可以提高acc呢?书中也没讲。
八章主要介绍了网络更深的好处,今天才刚刚开始。
CSDN App 扫码分享
1
点赞
打赏
- 复制链接
- 举报