baihongyu.com
博客
关于我
强烈建议你试试无所不能的chatGPT，快点击我
CNN中各层的作用
阅读量：
3584 次
发布时间：
2019-05-20
本文共 185 字，大约阅读时间需要 1 分钟。
卷积层：用它来进行特征提取
池化层：对输入的特征图进行压缩，一方面使特征图变小，简化网络计算复杂度；一方面进行特征压缩，提取主要特征，
激活函数：是用来加入非线性因素的，因为线性模型的表达能力不够。
全连接层（fully connected layers，FC）在整个卷积神经网络中起到“分类器”的作用。全连接层则起到将学到的“分布式特征表示”映射到样本标记空间的作用。
转载地址：http://bmdgj.baihongyu.com/
你可能感兴趣的文章
pdo如何防止 sql注入
查看>>
myisam和innodb的区别
查看>>
MySQL建表规范与注意事项(个人精华)
查看>>
JDK8接口的新特性
查看>>
synchronized的局限性与lock的好处
查看>>
redis和memcached有什么区别？
查看>>
Spring中的设计模式
查看>>
如何设计一个秒杀系统 -- 架构原则
查看>>
如何设计一个秒杀系统 -- 动静分离方案
查看>>
JWT 快速了解
查看>>
实习日志一
查看>>
Springboot读取自定义配置文件的几种方法
查看>>
ZigbeeCC2530 --（裸机和协议栈）串口时钟配置
查看>>
ZigBee开发环境搭建 ----IAR for 8051与SmartRFProgram等软件安装使用
查看>>
Python ---太空射击游戏
查看>>
C/C++之struct的小知识
查看>>
温湿度传感器(AM2312)
查看>>
centos下显卡驱动和cuda安装
查看>>
iris练习
查看>>
线性回归
查看>>