神经网络的输出维度为2,怎么取

Posted

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了神经网络的输出维度为2,怎么取相关的知识,希望对你有一定的参考价值。

参考技术A 卷积层(Convolutional layer),在神经网络中对输入图片的特征进行提取。
输入为R,G,B的 3 通道(维度)图片,图片尺寸为 8*8,即3*8*8的输入。
卷积核与输出图片尺寸:
卷积核的几个参数:
输入图片大小 W×W
卷积核大小F×F
步长 S
padding(填充)的像素数 P
卷积核(kernel)为 3 通道(维度),尺寸为3*3,即卷积核为3*3*3。

初学神经网络小记

  • ResNet50模型:ResNet50有两个基本的块,分别名为Conv Block和Identity Block,其中Conv Block输入和输出的维度是不一样的,所以不能连续串联,它的作用是改变网络的维度;Identity Block输入维度和输出维度相同,可以串联,用于加深网络的。详细链接
  • sklearn(Scikit learn):是机器学习领域当中最知名的python模块之一,其中包括了很多种机器学习方式:
    * Classification 分类
    * Regression 回归
    * Clustering 非监督分类
    * Dimensionality reduction 数据降维
    * Model Selection 模型选择
    * Preprocessing 数据预处理
    Sklearn 把所有机器学习的模式整合统一起来了,学会了一个模式就可以通吃其他不同类型的学习模式,使用模型的步骤:1. 导入模块 2. 读入数据 3. 建立模型 4. 训练与测试

以上是关于神经网络的输出维度为2,怎么取的主要内容,如果未能解决你的问题,请参考以下文章

BP神经网络中隐含层的神经元数怎么确定

CNN计算原理

深度学习——1×1卷积核理解

使用自定义维度输入 tensorflow 或 keras 神经网络

如何在 Pytorch 中获取神经网络每一层的输出维度?

神经网络参数量计算