神经网络的输出维度为2,怎么取

Posted 2023-04-30

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