CNN模型中 卷积层 RELU层 池化层 作用及顺序
卷积层 Convolutional layer卷积运算的目的是提取输入的不同特征类似于CV中的滤波，通过滑动窗口来得到特征图像非线性激活层 Reluf(x)=max(0,x)非线性激活层即保留大于0的值，即保留特征比较好的值，将特征小于0的值舍去池化层 pooling池化（Pooling）：也称为欠采样或下采样。主要用于特征降维，压缩数据和参数的数量，减小过拟合，同时提高模型的容错性一般是 卷积层
·
卷积层 Convolutional layer
卷积运算的目的是提取输入的不同特征
类似于CV中的滤波，通过滑动窗口来得到特征图像
非线性激活层 Relu
f(x)=max(0,x)
非线性激活层即保留大于0的值，即保留特征比较好的值，将特征小于0的值舍去
池化层 pooling
池化（Pooling）：也称为欠采样或下采样。主要用于特征降维，压缩数据和参数的数量，减小过拟合，同时提高模型的容错性
一般是 卷积层 -> relu -> 池化层
有“AI”的1024 = 2048，欢迎大家加入2048 AI社区
更多推荐
13
0- 0
已为社区贡献4条内容
所有评论(0)