卷积神经网络用途 cnn卷积神经网络中的卷积核怎么确定？
cnn卷积神经网络中的卷积核怎么确定？
从模型中学习卷积参数，手动确定卷积核的大小和数目。二维卷积核的大小通常是奇数，例如1*1、3*3、5*5、7*7。卷积核数是网络中的信道数。常用的是128 256 512，需要根据具体任务来确定。
另外，最近神经网络自动搜索结构非常流行。最著名的是Google的nasnet，它使用一些启发式遍历来寻找特定数据集的最佳网络结构
我们通常看到的卷积滤波器图是这样的：
这实际上是“展平”或“展平”卷积滤波器。例如，上图中的粉红色卷积滤波器是3x3x3，即长3，宽3，深3。然而，在图中，它是在两个维度中绘制的-深度被省略。
.由于卷积滤波器的深度与输入图像的深度相同，所以原理图中没有绘制深度。如果同时绘制深度，效果如下：
（图片来源：mlnotebook）
如上所述，卷积滤波器的深度与输入图像的深度相同，即3。
顺便说一下，输入图像深度是3，因为输入图像是彩色图像，深度是3，分别是R、G和b值。
（图片来源：mlnotebook）
总之，卷积滤波器的深度应该与输入数据的深度一致。
如何理解卷积神经网络里卷积过滤器的深度问题？
首先，编程领域比较大。为什么它很大？学习软件开发，无论是前端还是后端，都是编程，大数据也是编程，人工智能也是编程
因此，没有明确的方向。
在编程世界中，有一种古老的语言叫做C语言，它是C和Java的祖先。所有语言的基础都来自于它，所以你最好先了解它。
但是现在，由于人工智能的普及，很多人都在学习python，很多人说它的语法简单易学。这是正确的。也有人说它是初学者学习的最好的语言。事实上，如果没有严格的语法，它可以说是“为所欲为”。Java写100行代码，可能只需要写20行。
不过，我还是想谈谈主角！它是C语言，为什么呢，因为你只学它，再学C和Java就容易多了，可以说它很快就会带领你成为一名程序员。当然，不是绝对的。
学习python并非不可能，但它与C/C和Java不同。经过学习，回首C，我觉得它不是一个世界。
现在大学是基于C语言的，你不妨从它开始。
我希望这个答案能对您有所帮助。
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。
