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
千天夜3 小时前
让大模型“先想再答”:Chain-of-Thought Prompting 论文精读——CoT 为什么能激发多步推理?
人工智能·深度学习·llm·gpt-3·llama
橙臣程4 小时前
深度学习9——transformer之注意力机制
人工智能·深度学习·transformer
恒知学术5 小时前
SCI 文献怎么检索?英文关键词、DOI、被引量和开放获取线索整理
人工智能·深度学习·sci·文献检索·谷歌学术·doi
老刘说AI5 小时前
SGLang 深度优化: Radix 缓存与复杂任务的极致吞吐
人工智能·神经网络·机器学习·缓存·架构·sglang
我登哥MVP6 小时前
Headroom 深度指南:AI Agent 上下文压缩实战
人工智能·python·深度学习·神经网络·机器学习·自然语言处理·pip
OpenApi.cc6 小时前
来了,来了,我来了,Mocode
人工智能·深度学习·神经网络·目标检测·数据挖掘
hongyucai7 小时前
大模型常见问题整理
人工智能·深度学习
再渊8 小时前
基因归因到底怎么计算的?
python·深度学习·机器学习
HiDev_9 小时前
【非标自动化】2、认识元器件(接近传感器)
人工智能·深度学习·自动化
ShallWeL9 小时前
【机器学习】(25)—— 反向传播
人工智能·神经网络·机器学习