感受野:
不同的卷積核,待訓練參數不同,:
全零填充:保持輸出的形狀輸入圖片原始的不變:
公式:
TF:
批標準化:
神經網絡對0附近的值更加敏感,
常用在卷積操作和激活操作之間。
注意上述是:
n個卷積核,是每組輸入的圖片進行了n次操作。
組是指多少個計算組。
據此,對上述公式進行理解。
可以看到,輸入變到了0附近、
但是:
直接用上述簡單的特徵標準化。使得特徵數據完全滿足標準的正態分佈。喪失了非線性的特性。
所以:
TF:
池化:用來減少特徵數據量:
看下面,均值池化 和 最大池化:
TF實現:
捨棄:防止過擬合: