MINST爲例,假設一個batch是256,那麼輸入的維度是(256,28,28,1),經過神經網絡後輸出embedding的維度是(256,2),這裏的2是由於神經網絡最後一層全連接層的維度是2。這裏就相當於把輸入的256張圖片嵌入到一個二維平面中,如下圖所示:
這裏的維度也可以是3,意義爲把圖片嵌入到一個三維空間。如下圖所示:
人臉識別中的embedding
發表評論
所有評論
還沒有人評論,想成為第一個評論的人麼? 請在上方評論欄輸入並且點擊發布.
相關文章
深度學習基礎——張量的通俗理解
SupreEvi
2020-07-08 11:53:15
視頻目標分割之Video Object Segmentation using Space-Time Memory Networks
有为少年
2020-07-08 11:18:09
基於attention機制實現 CRNN OCR文字識別
koibiki
2020-07-08 12:23:28
opencv 加載tensorflow pb模型
koibiki
2020-07-08 12:23:28
聊天機器人/對話生成
路越
2020-07-08 12:17:40
推薦系統系列(二):從零開始搭建基於向量的推薦策略
路越
2020-07-08 12:17:27
論文解讀:Single path one-shot neural architecture search with uniform sampling
Lawrence-C
2020-07-08 12:06:15
深度學習論文中的一些術語(僅備份用,不定時更新)
forg_ood
2020-07-08 12:04:52
深度學習_目標檢測_FPN論文詳解
CV-GANRocky
2020-07-08 11:57:07
深度學習_目標檢測_“YOLOv5”詳解(持續更新)
CV-GANRocky
2020-07-08 11:57:07
[深度之眼]LeNet/AlexNet/VGGNet/InceptionNet/ResNet實現fashion_mnist分類
TF_Keras
2020-07-08 11:53:37
TensorFlow+CNN+OpenCV快速識別中文驗證碼
郑德帅
2020-07-08 11:43:39
apt-get update 卡在working 0 已解決
一蓑烟雨任平生yu
2020-07-08 11:20:23
24小時熱門文章
最新文章
-
入門機器學習實用指南Hands-On Machine Learning with Scikit-Learn & TensorFlow (第二章)
-
Center Loss: A Discriminative Feature Learning Approachfor Deep Face Recognition
-
入門機器學習實用指南Hands-On Machine Learning with Scikit-Learn & TensorFlow (第四章)
-
DeepID2+:Deeply learned face representations are sparse, selective, and robus
-
DeepID1-Deep Learning Face Representation from Predicting 10,000 Classes