CNN碎片记录

只有conv和fc层有权重和偏置。relu，pooling是固定函数，没有参数

每一个卷积层都是接受一个3D输入，给出一个3D输出。比如input 227*227*3 -> conv1 (kernal size:11*11, stride:4, kernals:96) -> 55*55*96 -> relu1 -> pool1 (kernal size: 3*3, stride:2) -> 27*27*96

针对每个input的local receptive field做卷积，实际是11*11*3的input区域和11*11*3的权重做点积的结果，一共96个kernal那么，这个11*11*3的区域产生的输出就是1*1*96，整张图片走过一边的输出就是55*55*96， 每一个kernal的参数是11*11*3+1（bias）input 如果是27*27*96 -> conv2 (kernal size: 5*5, pad:2, kernals:256) -> 27*27*256 则每个kernal的参数是27*27*96+1

每个kernal用来提取一个特征，一个kernal内所有神经元的权值是共享的，因为需要提取的特征是一样的。conv1为例：一个神经元的权值是11*11*3+1, 则conv1的所有参数数量为: (11*11*3+1)*96 = 34944

时间： 2024-11-09 06:21:58

CNN碎片记录的相关文章

cocos2dx项目开发笔记，碎片记录

1.项目中遇到的问题: 昵称显示过长的时候,需要对label做裁剪,首先想到的是用clippingNode,这东西,自己在很多地方都用,不过项目中很多地方都需要做到限制Label长度,于是就又想到做个工具类吧,尽量写的像label到时候全局替换.然后直到今天...才发现label直接设置换行长度(setDimensions(width, height)),高度设置成本身等高就可以了,真的是泪目.

团队作业

一.团队说明 团队队长:郭星辰(深入调研兼代码实现) 团队成员:田嘉文(材料收集兼材料分析).杨浩(代码复审兼代码测试) 二.团队题目 我们组的团队题目是活动分申报系统. 三.团队调研结果 我们团队采访了两位学长,一位是对活动分申请有需要的学长,另一位是对软件的使用提出建议的学长.我们将我们的系统模板给两位学长使用,在使用的过程中对活动分有需要的学长对此系统的看法非常高,另一位在使用过程中发现此系统中有一些不足.例如:在某些提示信息上的用词不恰当. 四.我们团队对此项目的看法 a.我们学校的活动

洗脑与教育，独立思考，自我的划界

洗脑与教育,独立思考,自我的划界 一些思考的碎片记录 洗脑与教育的区别是什么呢? 丹内特在<自由的进化>中提到:"那么,谎言和隐瞒会不会恰是洗脑的定义性标志?只要你告诉人们真相(即在你告诉的时候被认为是真相的东西),并避免误导他们,只要你让他们处于这样一种状态,在其中他们在独立评估自己处境方面至少能做得和你介入之前一样好,那么你就是在教育他们而不是给他们洗脑." 那比如说,一个孩子从小生长在一个基督教家庭,被施以基督教的文化影响,长大后便认同了基督教的信仰,这个小孩算是被灌

myisamchk命令使用总结

原文自:http://blog.csdn.net/wyzxg/article/details/7303486 论述详细,情不自禁 复制粘贴,以防删除 myisamchk命令使用总结 myisamchk实用程序可以用来获得有关你的数据库表的统计信息或检查.修复.优化他们 1.常用于myisamchk的检查选项--information, -i打印所检查表的统计信息. --fast,-F只检查没有正确关闭的表. --force, -f如果myisamchk发现表内有任何错误,则自动进行修复.维护类型

基于TextCNN的情感二分类

0. Cause I just wanna wake up in the fleeting light 0.1 アイスクリームみた溶けそう.その瞳にみつめられたなら 新论文方向想好了,一个改进的TextCNN应用实例吧.数据集来源于学长之前打比赛时官方发的2G数据包,大概达到的效果就是通过用户短评去给某个景点的旅行指标进行打分.当然会有一个疑问,在我们现实的应用场景中不都是用户进行打分吗.但这里我要做的是对短评的深层语义进行挖掘,然后得出打分(无奈,为了写论文而写),其实确实没有什么意义,但是自

myisamchk命令修复表操作

myisamchk命令使用总结 myisamchk实用程序可以用来获得有关你的数据库表的统计信息或检查.修复.优化他们 1.常用于myisamchk的检查选项--information, -i打印所检查表的统计信息. --fast,-F只检查没有正确关闭的表. --force, -f如果myisamchk发现表内有任何错误,则自动进行修复.维护类型与-r选项指定的相同. --medium-check, -m比--extend-check更快速地进行检查.只能发现99.99%的错误,在大多数情况下

SQL Server索引碎片整理实际操作记录

SQL Server 版本是 2008 R2. 查询数据库索引碎片情况的 SQL 语句(来源): SELECT OBJECT_NAME(ind.OBJECT_ID) AS TableName, ind.name AS IndexName, indexstats.index_type_desc AS IndexType, indexstats.avg_fragmentation_in_percent FROM sys.dm_db_index_physical_stats(DB_ID(), NULL

CNN卷积神经网络 的学习记录一

1. 概述 卷积神经网络的特点:一方面它的神经元间的连接是非全连接的, 另一方面同一层中某些神经元之间的连接的权重是共享的(即相同的). 上图左:图像有1000*1000个像素,有10^6个隐层神经元,进行全连接,有1000*1000*100000=10^12个权值参数 上图右:同样有1000*1000个像素,感受野为10*10 ,每一个节点与上层节点同位置附件10x10的窗口相连接,则有10*10*10^6=10^8个权值参数 我们可以很容易计算网络节点的输出.例如,对于上图中被标注为红色节点

DeepLearning工具Theano学习记录（三） CNN卷积神经网络

代码参考:http://deeplearning.net/tutorial/lenet.html#lenet 代码学习:http://blog.csdn.net/u012162613/article/details/43225445 本节实验代码下载:Github 2015/4/9 Experiment 1:  使用Tutorial推荐的CNN结构实验 learning_rate=0.1 n_cv= 20   # 第一层卷积核20 n_vc=50    #第二层卷积核50 n_epochs=20