发简信
IP属地：澳门
-
GoogLeNet(含并行连接的网络)
GoogLeNet吸收了NiN中网络串联网络的思想，并在此基础上做了很大改进。在随后的几年里，研究人员对GoogLeNet进行了数次改进。 In...
-
NIN(网络中的网络)
LeNet、AlexNet和VGG在设计上的共同之处是：先以由卷积层构成的模块充分抽取空间特征，再以由全连接层构成的模块来输出分类结果。其中，A...
-
VGG
AlexNet在LeNet的基础上增加了3个卷积层。但AlexNet作者对它们的卷积窗口、输出通道数和构造顺序均做了大量的调整。虽然AlexNe...
-
AlexNet一、多层神经网络中关于级数的解释 在多层神经网络中，图像的第一级的表示可以是在特定的位置和⻆度是否出现边缘； 而第二级的表示说不定能够将这些边缘...
-
LeNet
卷积层尝试解决这两个问题。 一方面，卷积层保留输入形状，使图像的像素在高和宽两个方向上的相关性均可能被有效识别； 另一方面，卷积层通过滑动窗口将...
-
池化层
为了缓解卷积层对位置的过度敏感性 最大池化和平均池化分别取池化窗口中输入元素的最大值和平均值作为输出。 池化层的一个主要作用是缓解卷积层对位置的...
-
1X1卷积核
1X1卷积核的作用： （1）对于channel维度的升维或者降维 例如128*128*64的图像，经过1*1*32的卷积核之后，变成了128*1...
-
反向传播1、数值带入的方式介绍有一层隐藏层的三层全连接神经网络的推导 https://blog.csdn.net/weixin_38347387/art...
-
softmax_simple.ipynb
{ "cells": [ { "cell_type": "code", "execution_count": 8, "metada...