在看卷积神经网,pooling层的怎么计算

Posted

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了在看卷积神经网,pooling层的怎么计算相关的知识,希望对你有一定的参考价值。

参考技术A pooling通常分为两种,一种是max-pooling,就是在一个固定大小的滑动窗口中取最大值,另一种是mean-pooling,顾名思义就是在一个固定大小的滑动窗口中取平均值。至于窗口的滑动方式就与卷积层一样了。本回答被提问者采纳

读书报告--04神经网络基础学习

 

1.卷积神经网络的激活函数--Relu

使用新的激活函数--Relu,公式如下:

技术分享图片

技术分享图片

2.卷积神经网络的网络架构:卷积层、Pooling层(也叫池化层)、全连接层

技术分享图片

 

2.1卷积层的计算公式:

技术分享图片

其中D为卷积层的深度

附:图像大小、步幅和卷积后的Feature Map大小关系:

技术分享图片

W、H:卷积前原图像的宽、高(两者相同)

F:filter的宽度

P:原始图像周围补0圈数

S:步幅大小

2.2 Pool层,即池化层--主要主要是下采样

常用的由Max Pooling(取各样本的最大值)和Mean Pooling(取各样本的平均值)

Max Pooling

 技术分享图片

2.3 全连接层--和全连接神经网络一样

3.卷积神经网络的训练

此知识还在学习中,待补充。

以上是关于在看卷积神经网,pooling层的怎么计算的主要内容,如果未能解决你的问题,请参考以下文章

读书报告--04神经网络基础学习

CNN 卷积神经网络 池化层Pooling 动手学深度学习v2 pytorch

C++卷积神经网络实例:tiny_cnn代码详解——average_pooling_layer层结构类分析

caffe之pooling层

神经网络中的池化层(pooling)

使用卷积网络实现计算机图像识别:卷积和max pooling操作介绍