影像的spatial information不会因scale而消失,所以加入pooling layer来减少运算量。
在此阶段,数据大小会大幅降低。
以Max Pooling为例,它会将4格方格内之最大值取出,并舍弃其余三者。其方式与convolution有点相似。
Pooling Layer的目的就是要进行降维,将整个数据量压小,让整个模型参数量可以在下降,避免训练的时候overfitting。
有关Full Connection , 请参考我的另一篇Day 14 - 神经网络(D)NN 到 卷积神经网络CNN (1)
即经典的MLP(Multi-Layer Perceptron) layer,最後输出10维即为对应数字的机率
Flatten的运作方式很简单,就是将二、三维数据摊平,简化为一维数据(想像将一张20*20的图片拉成长为400的线)。
Flatten的目的是将CNN与DNN做衔接,通过此步骤後,就可以进行DNN了!
(wiki)将数据带入一特定函数中,以改变其值。
简单如---
Relu为例:
Activation Function的目的是将数据做调整,以改变训练时间、结果。
<<: Gulp 使用 includePaths 载入外部 Sass资源 DAY95
趋近尾声了,今天开始来讲对外的部分啦,其主角就是企业的供应链(供应商/合作商/3th Party)...
大家好,昨天我们把图片抓下来之後也标记完了(我个人是用了10000张图片),接下来就是丢进模型训练啦...
针对 commit 讯息的规范,最为人熟知的是 Angular 的 Commit Message F...
搜寻列、登入页面、Google表单,还有...客诉表单(目死)是我们日常都会接触到的东西 这些都可以...
由於疫情的关系 大家已在家学习一个月 原本想说最要克服的是自制力 但没想到事情多到 我也没时间发闲~...