卷积神经网络的层表示法
卷积神经网络的层表示法
提问于 2018-01-30 16:03:30
在阅读卷积神经网络(CNN)时，我经常会遇到在社区和科学论文中使用的一种特殊的表示法，从层次的角度描述网络的结构。然而，我无法找到详细描述这种符号的论文或资源。
有人能向我解释细节或指出它的描述或“标准化”吗？
示例：
input−100C3−MP2−200C2−MP2−300C2−MP2−400C2−MP2−500C2−output(来源)input−(300nC2−300nC2−MP2)_5−C2−C1−output(来源)
一个很好的猜测是xCy是卷积层(x是滤波器的数目？)Y是方核的一侧？)。MPz是最大池层(池大小z×z?).
但我不想猜测，我希望有一个参考(我可能也可以在一篇论文中引用)。
回答 1
Data Science用户
回答已采纳
发布于 2018-01-30 16:59:01
您链接到的第一篇论文引用的一篇论文是这里。它在第3节(实验)中解释了以下表示法：
2x48x48-100C5-MP2-100C5-MP2-100C4-MP2-300N-100N-6N表示一个具有以下内容的网络：
- 2幅大小为48x48的输入图像
- 具有100个映射和5x5滤波器的卷积层
- 大小为2x2的不重叠区域上的最大池层。
- 具有100个映射和4x4滤波器的卷积层
- 大小为2x2的不重叠区域上的最大池层。
- 一个有300个隐藏单元的全连接层，
- 一个有100个隐藏单元的全连接层
- 一个完全连接的层，有6个神经元(每类一个)
从这一点出发，你的问题的答案是：
- 100 C3表示一个有100个映射和3x3滤波器的卷积层。
- MP2指的是大小为2x2的不重叠区域的最大池层。
- 200C2是指有200个映射和2x2滤波器的卷积层。
- 等与"C“层(意味着卷积，前面的整数是特征映射的数目；最后的整数是过滤器的大小)
根据您链接的第二篇论文，下标_5表示五对300nC2−300nC2−MP2连接层(见第3条)，n表示“第n卷积层中的滤波器数目为300n”。根据所附的模型图(链接文件中的图3)，C2和C1层产生1x1输出，这意味着一个标量值。这意味着C2是一个具有1 map和2x2过滤器的卷积层，而C1是具有1 map和1x1过滤器的卷积层(尽管我不完全理解这增加了什么)。
页面原文内容由Data Science提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://datascience.stackexchange.com/questions/27248
复制相关文章
相似问题
腾讯云开发者
