1回答
我们知道批量归一化(BN)加速了深度神经网络的训练。但它对小型神经网络也有帮助吗？我一直在试验6层卷积-MLP网络，我看不到训练这个网络对BN有任何好处。
浏览 17提问于2021-06-14得票数 1
我的问题是BatchNormalization (BN)是如何标准化的。对于m中的每个m
对于每个像素(h，w)，取相关的r、g、&b值
浏览 6提问于2017-11-15得票数 4
对像素级语义分割的完全卷积神经网络(FCNs)的训练是非常内存密集型的。因此，我们经常使用batchsize=1来培训FCNs。然而，当我们用BatchNorm ( BN )层完成预先训练的网络时，batchsize=1对BN层没有意义。那么，如何处理BN层呢？一些备选方案：
哪一种更好，哪种演示可以在pytorch/tf/
浏览 11提问于2017-06-19得票数 3
3回答
我想知道，在卷积神经网络中，是否应该对每个像素单独应用批量归一化，或者我是否应该取每个通道的像素的平均值？我看到在Tensorflow的的描述中，建议对通道执行bn，但如果我没记错的话，我使用了另一种方法，效果很好。
浏览 0提问于2017-08-21得票数 9
回答已采纳
2回答
几周前，我使用带有Theano后端的Keras训练了一个卷积神经网络(CNN)，并将它保存为一个h5文件。但是今天当我试图打开它时，我从Theano bn.py文件中得到了bn.py层的错误：
以下是我的问题
浏览 6提问于2017-05-15得票数 1
回答已采纳
在我正在开发的应用程序中，我有大约5000张产品标签图像(每个产品有一个标签)。由于最初，我的系统每个产品只有一个样本，所以我决定采用传统的计算机视觉技术。我使用特征提取和描述符匹配实现了这一点。(使用OpenCV SIFT和FLANN技术，参考如下：https://github.com/kipr/opencv/blob/master/samples/cpp/matching_至_许多_images.cpp)
现在我正在考虑如何结合CNN或深度学习技术来提高准确性，因为当用户批准匹
浏览 0提问于2017-10-24得票数 1
回答已采纳
1回答
胶囊神经网络采用卷积、原胶囊和数字胶囊层。同时，采用卷积和最大池层的卷积神经网络。我想对卷积神经网络和胶囊神经网络进行比较。下面的表格是我的cnn模型的架构。我需要在胶囊神经网络上做一个类似的结构。那么，如何正确地叠加胶囊神经网络，堆栈胶囊神经网络是什么样的呢？
浏览 10提问于2022-12-02得票数 -2
最近发展起来的方法解决了与相同的问题，但具有较低的计算开销，并且不依赖于批处理，因此它可以在训练和测试中得到一致的应用。
浏览 1提问于2016-10-25得票数 2
回答已采纳
4回答
卷积神经网络中的批量归一化
、、、、
我是卷积神经网络的新手，我只知道特征映射以及如何对图像进行卷积来提取特征。我很高兴知道在CNN中申请批量正常化的一些细节。我读了这篇文章，，可以理解应用于数据的BN算法，但最后他们提到，当应用于CNN时，需要稍加修改：
当他们说时，我完全感到困惑，因为“所以同一特征地图
浏览 12提问于2016-07-24得票数 88
我目前正在研究一项语音识别任务，将深入学习应用于标准声学模型(gmm-hmm)。如果是这样的话，它会不会明智地导致一些问题，当我在CNN上做的时候，是否通过在谱图的更大部分上进行模式识别来解决上下文依赖，这取决于上下文窗口的大小，但是引入RNN，CNN在当时只需要对一个帧进行分析(我认为它甚至可以得到
浏览 0提问于2017-07-06得票数 2
回答已采纳
我读了很多关于Jetson Nano和Google Coral Devboard的文章，在我读过的大多数文档和论文中，推断和部署都是使用预先构建的卷积神经网络来完成的，例如AlexNet，Inception，MobileNet和其他用于图像分类的神经网络。据我所知，这些微型计算机需要将神经网络转换为tensorflow模型或任何它们接受的框架，以执行模型的推断。我想知道的是:对于Jetson Nano和Google Coral Devboard，我是否可以拥有与文档中举例说明的卷积神经网络</em
浏览 20提问于2020-12-24得票数 1
回答已采纳
我必须开发一个视频事件检测工具，在票务中，counter.The工具必须为那些在没有点票的情况下通过门的人拍照。我有一套视频，人们拿着这些数据在gate.So上乱搞，我怎么能实现一个视频事件检测工具?我对视频分析还不熟悉。我不知道在哪里可以start.Where，我能找到一些关于有监督的视频事件检测的教程吗？
浏览 0提问于2016-08-27得票数 1
回答已采纳
我已经完成了卷积神经网络的实现部分。但在卷积神经网络中，如何选择滤波器来获得卷积特征仍然是个难题。正如我所知，在filter.is的帮助下，我们通过检测特征(如眼睛、鼻子、嘴巴)来使用卷积层从图像中识别人脸。过滤器包含眼睛、鼻子、嘴巴来从图像中识别人脸是真的吗？
浏览 0提问于2018-11-14得票数 0
8回答
我对神经网络这个话题很陌生。我遇到了两个术语--卷积神经网络和递归神经网络。
我想知道这两个术语是否是指同一事物，或者，如果不是，它们之间会有什么区别呢？
浏览 6提问于2014-01-04得票数 67
1回答
它的第一个卷积层接收输入：64个滤波器(64个输出)，每个滤波器为3*3，步幅为(1；1)第一个剩余块以元素和结束..。其中有以下有问题的输入：Conv2D，BN，PRELU，Conv2D，BN输出
问题是，如上所述，PRELU的输出将与“Conv2D，BN，PRELU，Conv2D，BN输出”S形状有很
浏览 0提问于2019-07-31得票数 1
回答已采纳
2回答
我读过关于时间延迟神经网络(TDNN)的文章，我不确定我是否理解它。据我所知，tdnn的工作原理就像一维卷积神经网络(CNN)。
如果这些体系结构存在的话，它们之间有什么区别？
浏览 0提问于2021-01-20得票数 1
回答已采纳
我试图了解批处理标准化(BN)是如何在CNN中工作的。然后，似乎有几种方法可以解决这个问题( \gamma, \beta是每个BN层的学习参数)。关于批处理规范化的原始论文https://arxiv.org/pdf/1502.03167.pdf在第5页第3.2节最后一段中写道：
对于卷积层，我们还希望归一化服从卷积性质，从而使同一特征映射的不同元素在不同的位置以相同的方式规范化2作了类似的修改，使得在推理过程中BN变换对给定特征映射中的每一次激活都应用相同的线性变换
浏览 0提问于2021-01-19得票数 3
云服务器
ICP备案
对象存储
腾讯会议
云直播
腾讯云开发者
