概述
卷积神经网络
卷积神经网络主要由这几类层构成：输入层、卷积层，ReLU层、池化（Pooling）层和全连接层（全连接层和常规神经网络中的一样）。
卷积层（Convolution layer）
通过卷积核与输入层作内积，从而降低参数个数。
ReLu激活函数层
增加了神经网络各层之间的非线性关系。
池化层（Pooling layer）
对卷积层所提取的信息做更一步降维，减少计算量
全连接层（Fully connected layer）
将前层(卷积、池化等层)计算得到的特征空间映射样本标记空间
最后
以上就是美满高跟鞋为你收集整理的Datawhale-李宏毅深度学习Day6卷积神经网络的全部内容，希望文章能够帮你解决Datawhale-李宏毅深度学习Day6卷积神经网络所遇到的程序开发问题。
如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。
本图文内容来源于网友提供，作为学习参考使用，或来自网络收集整理，版权属于原作者所有。
发表评论 取消回复