卷积神经网络
-
【44】1*1卷积讲解
网络中的网络以及 1×1 卷积（Network in Network and 1×1 convolutions） 在架构内容设计方面，其中一个比较有帮助的想法是使用1×1卷积。 也许你会好奇，1×1的卷积能做什么呢？不就是乘以数字么？听上去挺好笑的，结果并非如此，我们来具体看看。 过滤器为1×1，这里是数字2，输入一张6×6×1的图片，然后对它做卷积…
-
【39】为什么使用卷积？（Why convolutions?）
为什么使用卷积？（Why convolutions?） 我们来分析一下卷积在神经网络中如此受用的原因，然后对如何整合这些卷积，如何通过一个标注过的训练集训练卷积神经网络做个简单概括。和只用全连接层相比，卷积层的两个主要优势在于参数共享和稀疏连接，举例说明一下。 假设有一张32×32×3维度的图片，这是上节课的示例，假设用了6个大小为5×5的过滤器，输出维…
-
Temporal Convolutional Networks (TCN)资料，扩张卷积
一. 博客文章和视频 blibli视频：Temporal Convolutional Networks (TCN) （推荐） 简书：TCN(Temporal Convolutional Network) 个人博客：Temporal Convolutional Network (TCN与TrellisNet) 二. 代码 PyTorch: https://gi…
-
利用卷积进行序列到序列学习
论文：https://arxiv.org/pdf/1705.03122.pdf 译文：利用卷积进行序列到序列学习 摘要 序列到序列学习的流行方法是，利用循环神经网络把一个输入序列映射到一个可变长度的输出序列。我们提出一种完全基于卷积神经网络的架构。相比RNN，训练可以完全并行，因此可以更好地利用GPU的算力，另外，优化也更容易，因为输入长度的非线性个数是固定…
-
[Maltab]线性卷积、周期卷积及循环（圆周）卷积
有的书上也把离散系统的卷积单独称之为卷和，这里卷积卷和就不分了。 http://note.youdao.com/noteshare?id=df84f776b67c1baab3f88c2660b9bb2c&sub=WEB4af2cc1c4e42b3d5e135acd1d5bc53cf 包含理论推导和代码实现。 实验效果：
-
简单的卷积神经网络(CNN)的搭建
卷积神经网络（Convolutional Neural Network, CNN）是一种前馈神经网络，它的人工神经元可以响应一部分覆盖范围内的周围单元，对于大型图像处理有出色表现。与普通神经网络非常相似，它们都由具有可学习的权重和偏置常量(biases)的神经元组成。每个神经元都接收一些输入，并做一些点积计算，输出是每个分类的分数，普通神经网络里的一些计算技…
-
CNN卷积神经网络_MNIST手写数字识别代码实现
环境：Win8.1 TensorFlow1.0.0 软件：Anaconda3 （集成Python3及开发环境） TensorFlow安装：pip install tensorflow (CPU版) pip install tensorflow-gpu (GPU版) TensorFlow是一个非常强大的用来做大规模数值计算的库。其所擅长的任务之一就是实现以…
-
1×1的卷积核有什么作用
信道压缩~通~通~减 一、1 X 1的卷积核作用 所谓信道压缩，Network in Network是怎么做到的？ 对于如下的二维矩阵，做卷积，相当于直接乘以2，貌似看上去没什么意义： 但是，对于下面这种32通道的数据，如果我用1个1x1x32的卷积核与其做卷积运算，得到的就是1个6×6的矩阵 在这个过程中，发生了如下的事情： （1）遍历36个单…
-
卷积神经网络——池化层学习——最大池化
池化层（Pooling layers） 除了卷积层，卷积网络也经常使用池化层来缩减模型的大小，提高计算速度，同时提高所提取特征的鲁棒性，我们来看一下。 先举一个池化层的例子，然后我们再讨论池化层的必要性。 假如输入是一个4×4矩阵，用到的池化类型是最大池化（max pooling）。 执行最大池化的树池是一个2×2矩阵。 执行过程非常简单，把4×4的输入拆分…
-
卷积神经网络-吴恩达深度学习课程第四课
时间：2021/02/16 一.卷积神经网络 1.1 计算机视觉 卷积神经网络一般应用于计算机视觉领域，由于有的时候图片的像素点很多，导致神经网络输入特征值的维数很多。 1.2 边缘检测示例 如下图所示，原图是一个6*6*1的矩阵，卷积核是一个3*3*1的矩阵，经过卷积后得到一个4*4*1的矩阵。 下图展示了垂直边缘检测的原理： 1.3 …
