卷积和池化的区别 如何理解卷积神经网络中的卷积和池化?
浏览量:2105
时间:2021-03-15 04:48:29
作者:admin
如何理解卷积神经网络中的卷积和池化?
让我们谈谈我们的理解。
池:用最大值或平均值替换大量数据。目的是减少数据量。
卷积:通过卷积内核将数据转换为特征,便于以后分离。计算方法与信号系统相同。
池化为什么使用平均或者最大,而不是用最小池化?
这是个好问题。与卷积层一样,池化层每次计算输入数据的固定形状窗口(称为池化窗口)中元素的输出。与卷积层⾥计算输出和内核之间的互相关不同,池化层直接计算池化窗口中元素的最大值或平均值。此操作也分别称为最大池或平均池。在⼆维度最大的⼤池中,池窗口从输入⼊数组的左上角⽅开始,并在输入⼊数组上从左到右和从上到下滑动。当池窗口滑动到某个位置时,窗口中输入⼊⼦数组的最大值,即输出数组中相应位置的元素,为最大池;平均值为平均池。
最大池的意义是找到区域中最突出的特征;最小池是找到最不明显的特征,可用于图像去噪、模糊等应用。
卷积和池化的区别 卷积神经网络池化的作用 卷积层和池化层的作用
版权声明:本文内容由互联网用户自发贡献,本站不承担相关法律责任.如有侵权/违法内容,本站将立刻删除。
上一篇
并发容器 java容器