我了解卷积核是如何工作的，以及它们在神经网络中的作用。然而，我不确定在典型的CNN中，你是否会预先定义卷积内核是什么，或者这是否是CNN“弄明白”的东西。例如，在制作CNN时，您会简单地定义一些5x5卷积内核，如下所示： [ 0, 2, -1, 2, 1][ 1, 0, 1, 0, 0]
浏览 3提问于2016-10-19得票数 0
回答已采纳
8回答
我对神经网络这个话题很陌生。我遇到了两个术语--卷积神经网络和递归神经网络。
我想知道这两个术语是否是指同一事物，或者，如果不是，它们之间会有什么区别呢？
浏览 6提问于2014-01-04得票数 67
3回答
我正在学习吴家祥关于卷积神经网络的讲座，他给出了CNN比非卷积神经网络参数少的两个原因。它们是：缺乏联系。第二个原因是不是有点多余？
谁能解释一下吗？
浏览 0提问于2020-07-09得票数 2
1回答
在被馈送到神经网络之前，有一些核应用于图像的特征extraction.But，我们如何理解特定的核将有助于提取神经网络所需的特征。
浏览 18提问于2019-03-16得票数 0
我从各种教程中学习了Tensorflow，我想知道是否可以为卷积网定义一个自定义过滤器。例如，如果我知道这些特性中存在有意义的结构，那么所有其他特性都是相关的，那么我想要定义一个过滤器，它看起来像0 1 0 1 1。对我来说，把0 1 0 1放在过滤器参数中是有意义的吗？
浏览 2提问于2016-06-27得票数 6
回答已采纳
4回答
现在我正在学习卷积神经网络。我知道可以克服这个问题(用完全卷积的神经网络等)，而且我也知道，这是由于在网络的末尾放置了完全连接的层。
但是为什么呢？我无法理解完全连接层的存在意味着什么，以及为什么我们被迫有一个固定的输入大小。
浏览 0提问于2019-11-30得票数 9
回答已采纳
比方说，我们有图像集合形式的输入：- ( 200 , 56x56 ,3)其中200是不同图像的数量，56x56是像素(长度与宽度)，3是RGB值
因此，x1、x2、x3、x4等指的是(实例数、
浏览 12提问于2021-06-13得票数 0
回答已采纳
我对卷积神经网络如何通过其卷积运算学习的理论感兴趣。我认为它学习了(有用的)核，它测量其输入信号之间的相关性。此外，从技术角度看，卷积运算是作为“互相关”来实现的。所以我的假设是对的吗？
浏览 0提问于2021-02-16得票数 3
2回答
我读过这篇文章，，当我转到这篇文章时: Layer #0:是MNIST数据库中手写字符的灰度图像，它被填充到29x29像素。输入层有29x29= 841个神经元。图层1:是一个有六个特征映射的卷积层。如何从图像上的卷积得到六(6)特征图？我想我们只得到一张特征地图。还是我错了？
浏览 2提问于2014-06-18得票数 2
回答已采纳
是否有任何方法来进行人脸识别，而不是使用卷积神经网络使用128-D向量映射(编码)人脸，然后在其上使用分类器(如knn/SVM)？使用Voila级联或使用定向梯度直方图(HOG)技术或现在由CNN进行定制对象检测是可能的。
浏览 0提问于2018-08-10得票数 1
回答已采纳
1回答
在第一阶段，在输入卷积神经网络(输入层)时，我们接收到一个源图像(即手写英文字母的图像)。首先，我们使用一个从左到右的nxn窗口来扫描图像和在核上进行乘法(卷积矩阵)来建立特征映射。但是没有写到内核应该有什么确切的值(换句话说，关于从n*n窗口检索到的数据应该乘哪些内核值)。用于边缘检测的卷积核上的数据相乘是否合适？有大量的卷积核(Emboss，高斯滤波，边缘检测，角度检测等)？但是，没有任何地方是写到确切的内核，它
浏览 2提问于2015-07-08得票数 2
回答已采纳
1回答
在yolov3中，它是暗网-53，这意味着它有53卷积层，但是当我看到这张图片和计数时，我只得到52卷积层。我还看到了yolov3.cfg，它有107层(从0到106)，我的结果是：我想知道我是不是误解了什么？或者上面图片中的第53卷积层在哪里？
提前谢谢。
浏览 5提问于2020-03-25得票数 3
2回答
在特征提取部分，我必须使用一些卷积掩码(如此中的图4.23 )来获得特征映射和输出。但是，我不知道我需要什么样的口罩和如何获得口罩？
浏览 0提问于2011-12-05得票数 0
1回答
目前，我们正在C++中为ARM开发一种优化的卷积算法。我们在ARM开发板上使用Ubuntu18.04作为aarch64，确切地说是Odroid N2+。测试算法与其他流行的方法(im2col+gemm，FFT，Winograd.)我们在我们的开发环境中下载Pytorch，并在本地编译了它的C++ API。但不幸的是，似乎没有办法从给定的API中改变卷积算法。
有没有一种方法可以改变Pytorch中的卷积算法？(或者是
浏览 2提问于2020-12-31得票数 1
3回答
我想我在某个地方读到，随着层数的增加，卷积神经网络不会像标准的乙状结肠神经网络那样遭受消失梯度问题的困扰。但我一直找不到“为什么”。
它是否真的没有问题，还是我错了，它取决于激活功能？我一直在使用校正线性单元，所以我从未测试过卷积神经网络中的Sigmoid单元
浏览 10提问于2015-03-09得票数 8
回答已采纳
我在MATLAB中实现卷积网络，我增加了对GPU的支持(我使用的是gpuArrays)。我实现了前馈部分。当我使用标准数组运行它(我已经准备好了工作空间中的数组)时，需要花费0.15秒。然而，当我运行完全相同的东西时，但是数组是gpuArrays，在运行提要转发脚本之前它们都在我的工作区中，这需要1.39秒。有人能解释一下这里发生了什么吗？谢谢 pad = (size(layers_W{layerNum},
浏览 2提问于2017-06-11得票数 0
我已经完成了卷积神经网络的实现部分。但在卷积神经网络中，如何选择滤波器来获得卷积特征仍然是个难题。正如我所知，在filter.is的帮助下，我们通过检测特征(如眼睛、鼻子、嘴巴)来使用卷积层从图像中识别人脸。过滤器包含眼睛、鼻子、嘴巴来从图像中识别人脸是真的吗？
浏览 0提问于2018-11-14得票数 0
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
云直播活动推荐
腾讯云开发者
