卷积神经网络CNN

1. 卷积神经网络是通过什么方式来完成可训练参数的减少?

  1)卷积层(局部感受野+权值共享)

  2)采样层(逐渐降低分辨率)

2. 原始图像大小变化怎样影响模型可训练参数个数?

  参数个数:首先卷积层和池化层不会受到影响,全连接层受到影响

  计算数目:受到影响

3. img2col

  将图像中的感受野编码成行列的模式,加速卷积计算

def img2col(x, ksize, step):
    # x [width,height,channel] 宽,长,深度
    wx, hx, cx = x.shape
    # 返回的特征图尺寸
    feature_w = (wx - ksize) // step + 1
    image_col = np.zeros((feature_w * feature_w, ksize * ksize * cx))
    num = 0
    
    for i in range(feature_w):
        for j in range(feature_w):
            image_col[num] = x[i * step:i * step * ksize, j * step:j * step * ksize, :].reshape(-1) //表示一个感受野
            num += 1    
    
    return image_col

 

卷积神经网络CNN

上一篇:LDO的原理及应用


下一篇:数据链路层(6) 局域网基本概念 广域网