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
hongjianMa17 小时前
【论文阅读】Hypercomplex Prompt-aware Multimodal Recommendation
论文阅读·python·深度学习·机器学习·prompt·推荐系统
现在,此刻18 小时前
李沐深度学习笔记D3-线性回归
笔记·深度学习·线性回归
能来帮帮蒟蒻吗18 小时前
深度学习(2)—— 神经网络与训练
人工智能·深度学习·神经网络
知行力20 小时前
【GitHub每日速递 20251111】PyTorch:GPU加速、动态网络,深度学习平台的不二之选!
pytorch·深度学习·github
ifeng091821 小时前
HarmonyOS资源加载进阶:惰性加载、预加载与缓存机制
深度学习·缓存·harmonyos
Danceful_YJ1 天前
34.来自Transformers的双向编码器表示(BERT)
人工智能·深度学习·bert
love530love1 天前
【笔记】xFormers版本与PyTorch、CUDA对应关系及正确安装方法详解
人工智能·pytorch·windows·笔记·python·深度学习·xformers
kev_gogo1 天前
【链式法则】神经网络中求导时w既是常数也是自变量的辨析(能否对常数求导?)
人工智能·深度学习·神经网络
文真同学1 天前
《动手学深度学习》6.3~6.4
人工智能·深度学习
Danceful_YJ1 天前
30.注意力汇聚:Nadaraya-Watson 核回归
pytorch·python·深度学习