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
czq_268671948711 小时前
Python打卡第36天
pytorch·python·深度学习
ZDN_is_beauty11 小时前
深度学习2-卷积神经网络
人工智能·深度学习·cnn
Martina_032111 小时前
AI生成的海岸城市一移动镜头,水面反射就跳?用6步统一反射探针、SSR与平面反射
图像处理·人工智能·平面·3d·ai·自然语言处理·游戏策划
云和数据.ChenGuang12 小时前
Codex 下载与本地部署实战:从零搭建你的 AI 编程助手
人工智能·深度学习·机器学习·语言模型·fastapi
禹凕12 小时前
深度学习之反向传播与全流程(Deep Learning about Backpropagation and Entire Process)
人工智能·深度学习
一只废狗狗狗狗狗狗狗狗狗13 小时前
深度学习为什么好?
人工智能·深度学习
符号看象限_Wangerer14 小时前
【端到端模型】基于稀疏查询的表征特征
深度学习
loulanyue_15 小时前
从视觉感知到具身世界模型:物理世界中的自我进化智能体——读普林斯顿刘世隆NICE Workshop演讲
人工智能·深度学习
具身AGI15 小时前
世界模型改当裁判,物理AI 物理推理 做判据
人工智能·深度学习·机器学习
ForDreamMusk16 小时前
BERT预训练模型(Encoder-Only架构)
人工智能·深度学习·bert