深度学习-图像处理篇1.1-1.2神经网络

1.1卷积神经网络基础




卷积层


对彩色RGB图像进行卷积

1.卷积核的通道数与输入特征层的通道数相同

2.卷积输出的特征矩阵通道数与卷积核个数相同

池化层


池化中一般池化核大小和步长大小一样

思考

加上偏移量bias该如何计算?

卷积计算时加上偏移量即可

加上激活函数该如何计算?

激活函数(引入非线性因素,让其具有解决非线性的能力)

如果卷积过程中出现越界的情况该怎么办?

Filter:卷积核

反向传播

误差计算

经过softmax之后输出的计算


误差反向传播


权重更新

优化器



相关推荐
AI视觉网奇3 分钟前
生成GeoGebra
人工智能·深度学习
古希腊掌管代码的神THU21 分钟前
【清华代码熊】图解 Gemma 4 架构设计细节
人工智能·深度学习·自然语言处理
Purple Coder22 分钟前
7-RNN 循环网络层
人工智能·rnn·深度学习
大写的z先生24 分钟前
【深度学习 | 论文精读】Qwen-VL:从“纯文本”到“火眼金睛”,通向多模态大模型的进阶之路
人工智能·深度学习
workflower28 分钟前
深度学习是通用型人工智能的基础
人工智能·深度学习·设计模式·软件工程·软件构建·制造
学习永无止境@1 小时前
Verilog中有符号数计算
图像处理·算法·fpga开发
卡梅德生物科技小能手1 小时前
CD40LG(CD40配体)靶点深度解析:免疫调控机制与抗体药物工程化策略
经验分享·深度学习·生活
智算菩萨1 小时前
【Python图像处理】5 Pillow图像处理与格式转换
图像处理·python·pillow
清空mega1 小时前
动手学深度学习|深度学习硬件基础:CPU 和 GPU 到底有什么区别?为什么训练模型更喜欢 GPU?
人工智能·深度学习
泰恒1 小时前
计算机体系结构基础
人工智能·深度学习·机器学习