Paul C's Blog

To be funny,to grow up!

0%

CNN01

吴恩达深度学习-卷积神经网络

1.介绍

Neural Style transfer神经风格转换:

通过NN把内容图像按照风格图像重绘。

参数过多,训练时对内存和计算量的需求过大;

数据获得的太少,导致过拟合;

2.卷积计算

1691653575850

输出维度取决于卷积核的数量N_filter。

参数量=(KK \ 前一层特征图的通道数 )* 当前层N_filter +偏置项(一般默认等于N_filter*D_filter)

image—>filter—->image

1
nn.Conv2d#conv-forward

垂直边缘检测器

image-20220304135446332

三种边缘检测器image-20220304140139399

旋转90°,变为水平检测器;

Pading

f(filter的长和宽)总是奇数,方便对称填充,有个特殊点。

n+2p-f+1===n; 使得Padding后的图形,在做卷积操作后的输出维度保持不变

此时p=(f-1)/2

3.Strided Convolution

https://www.bilibili.com/video/BV1e54y1b7uk?p=5&spm_id_from=pageDriver

4.Convolutions on volumes

高维上的卷积

image-20220304161939204

image-20220304165100367

image-20220304165045558