卷積層 Convolutional layer
卷積運算的目的是提取輸入的不同特徵
類似於CV中的濾波,通過滑動窗口來得到特徵圖像
非線性激活層 Relu
f(x)=max(0,x)
非線性激活層即保留大於0的值,即保留特徵比較好的值,將特徵小於0的值捨去
池化層 pooling
池化(Pooling):也稱爲欠採樣或下采樣。主要用於特徵降維,壓縮數據和參數的數量,減小過擬合,同時提高模型的容錯性
一般是 卷積層 -> relu -> 池化層
卷積運算的目的是提取輸入的不同特徵
類似於CV中的濾波,通過滑動窗口來得到特徵圖像
f(x)=max(0,x)
非線性激活層即保留大於0的值,即保留特徵比較好的值,將特徵小於0的值捨去
池化(Pooling):也稱爲欠採樣或下采樣。主要用於特徵降維,壓縮數據和參數的數量,減小過擬合,同時提高模型的容錯性