图像大小为28x28，我的x_train尺寸为(6000028281)。,2,2,64], [4,4,64,64]W_new = (W1-K+2P)/S，其中K是滤波器的大小，P是填充，S是步长。谢谢
浏览 10提问于2019-10-20得票数 0
3回答
可以应用于卷积层或密集层。如果是这样的话，是在池后还是在池之前以及在应用激活之后使用呢？
我见过这里，但由于缺乏参考，我找不到有价值的答案。
浏览 0提问于2017-12-16得票数 5
回答已采纳
1回答
深度学习多输入CNN
、、、、
我正在尝试创建一个多视图卷积神经网络，它从分别对每个输入应用卷积层和池化层开始。结构应该是这样的。举个例子，我想要拥有猫的顶视图、底视图、左视图和右视图，分别应用卷积层和池化层，然后在以后合并这些信息。
我在这个项目中主要使用Keras，但是我似乎不能用Keras提供的东西来解决这个问题。有没
浏览 2提问于2017-06-06得票数 3
回答已采纳
我正在尝试对具有不同类的数据集的VGG16模型进行微调。pretrained.output
然而，我在向模型添加新层时遇到了问题，我得到了错误当我尝试最后三行中的每一行时，每次都得到与层</em
浏览 2提问于2017-05-01得票数 0
julia语言深度学习框架，这是Knet.jl，的快速入门using Knet, MLDatasets, IterTools复杂类型Conv有三个字段: w、b和fW矩阵和x矩阵的内积是用conv4 (c.w，x)计算的，与c.b的</
浏览 1提问于2021-02-10得票数 1
3回答
我使用的是TensorFlow后端。应用max-pooling后，高度和宽度会发生变化。但是，在应用扁平层之后，到底会发生什么呢？例如，如果flatten之前<e
浏览 0提问于2017-05-25得票数 25
回答已采纳
1回答
但我坚持如何将错误从conv层传播到上一层，例如，从C3层传播到S2层。有谁能帮帮我吗？
浏览 14提问于2016-07-29得票数 0
2回答
我一直在尝试理解在DeConvNets中解池和解卷积是如何工作的。而在解池阶段，激活将恢复到最大激活选择的位置，这是有意义的，但剩余的激活怎么办？这些剩余的激活是否也需要恢复，或者以某种方式内插，或者只是在未池化的映射中填充为零。反卷积
在卷积部分(即，卷积层、Relu、池化)之后
浏览 1提问于2016-01-28得票数 17
回答已采纳
2回答
可以改变卷积层和池层的顺序吗？
、、、、
许多CNN体系结构依次由卷积层和池层组成。我只是想知道是否有可能改变卷积层和池层的顺序。如果没有，你能解释为什么卷积层先于池层吗？
浏览 0提问于2018-07-31得票数 3
我正在使用keras和tensorflow后端研究神经网络。通常它是用卷积层和最大池层构建的，比如在vgg16中就是这样。对于我的神经网络，我想将最大池化层更改为最小池化层，但在池化时，该层应该忽略零。 例如： [0，16，72，0] 2x2池层应该池化16
浏览 26提问于2019-04-23得票数 2
回答已采纳
大多数预先训练的CNN模型在接受训练时都接受224x224输入大小。我能用256x256来获得更高的精度吗？
浏览 0提问于2021-07-20得票数 1
回答已采纳
1回答
为了简单起见， Sriving谈到了如何用额外的卷积层和步长r= 2来取代最大池化，但平均池化能否实现同样的效果呢？
浏览 3提问于2020-04-21得票数 1
2回答
从大卷积层中提取有用的特征
、、、、
我一直在训练一个关于情绪检测的卷积神经网络。现在，我想为我的数据提取特性来训练LSTM层。在我的例子中，网络中的顶层卷积层有以下几个维度：[None, 4, 4, 512]和[None, 4, 4, 1024]。因此，这将给出总共8192维和16384维向量。这太大了，无法训练LSTM层。因此，我想知道降低这个向量维数的最好方法是什么？换句话说，在获得激活或任何其他降维技术之后，是
浏览 0提问于2018-11-01得票数 0
回答已采纳
1回答
我读了这篇文章""，它改进了自动编码器中隐藏层的可视化，但我对如何可视化卷积神经网络的滤波器感到困惑。在我看来，对于第一个卷积层，为了可视化滤波器，它需要这个等式：![]()对于第二卷积层，它应该将滤波器投影到原始输入空间，但我不知道如何做到这一点。
浏览 2提问于2013-05-15得票数 3
1回答
嗨，我正在做一个简单的卷积神经网络(图片附在下面)。输入映像为5x5，内核为2x2，它经历了一个ReLU激活函数。在ReLU获得最大的2x2池池后，这些池就会被平化，并连接到完全连接的层中。一旦通过完全连接层，输出被转换为Softmax概率。我已经通过网络进行了传播，现在正在执行反向传播步骤。取交叉熵和softmax的导数，计算了全连通层
浏览 0提问于2020-07-22得票数 2
回答已采纳
1回答
计算CNN层数
、、、、
我为我参与的一个项目创建了一个CNN，我需要展示它。问题是，我不确定如何计算层数。这是我的模型：model.add(Conv2D(64,(3,3), input_shape = (40,40,2))) optimizer='SGD',len(model.layers)返回12：
所以我使用了1个输入10个隐藏的1个输出层
浏览 1提问于2019-08-21得票数 4
如何选择以下内容:用于卷积的滤波器大小、步长、池化和密集连接层
浏览 0提问于2017-12-05得票数 0
1回答
在大多数架构中，conv层之后是一个池化层(max / avg等)。由于这些池化层只是选择前一层的输出(即conv)，我们是否可以仅使用步长为2的卷积，并期望在减少工艺需求的情况下获得类似的精度结果？
浏览 4提问于2017-06-21得票数 34
回答已采纳
1回答
为此，我使用了卷积神经网络。信号长度为685，结构为：最大池层，1乘2窗口大小和跨距2。卷积层，4通道，1乘32窗口大小和步长1。
最大池层，
浏览 0提问于2018-04-25得票数 1
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
云直播活动推荐
腾讯云开发者
