|
|
安裝中文字典英文字典查詢工具!
中文字典英文字典工具:
英文字典中文字典相關資料:
- 卷积神经网络（cnn）中为什么要有池化层？ - 知乎
2） 特征降维： 有MaxPool和AveragePool等。其中MaxPool应用广泛。因为经过MaxPool可以减小卷积核的尺寸，同时又可以保留相应特征，所以主要用来降维。 通过反向传播来看，最大池化能使误差稀疏，平均池化能使误差均摊。 3） 在一定程度上能防止过拟合的发生。 由于这一层没有参数，不需要学习。
- 池化层的原理和作用是什么？ - 知乎
池化层的原理和作用是什么？ 池化层，在每个网络中都有出现，所以乡和各位交流一下看法 关注者 10 被浏览
- 如何理解卷积神经网络（CNN）中的卷积和池化？ - 知乎
如何理解卷积神经网络（CNN）中的卷积和池化？ 题主在学习ML的过程中发现，在CNN的诸多教程与论文当中对卷积和池化的介绍都不如其他方面直观和易于理解，这个领域对我来说一直是一个黑箱，除了能简单掌握… 显示全部 关注者 631
- cnn里面池化的作用是什么，为什么对于同样的神经网络 . . .
池化层往往跟在卷积层后面。 通过平均池化或者最大池化的方法将之前卷基层得到的特征图做一个聚合统计。 假设L层的卷积层得到的某一特征图有100*100这么大的尺寸。 选一个2*2的区域做不重叠的最大池化，池化层会输出50*50那么大的图，达到降低数据量的目的。
- 如何理解CNN中的池化？ - 知乎
池化层从一定程度上降低了数据维度，减少了模型网络的计算量，也有一定抑制过拟合的作用。 然而要面临着一个问题，池化层实际上是一个下采样过程，难以避免特征信息的丢失，无论是最大池化还是平均池化，共同点是所有这些池化操作都采用邻域方法进行二次采样，这与图像处理中的邻域
- 为什么为什么全局平均池化层有用，为什么可以替代全连接层？
全卷积网络中，替代全连接层降维功能的卷积 而全卷积网络，只需要保证最后一层的特征图，维度是输出向量的维度即可。比如手写数字识别任务，我们可以让最后一层的维度是10。尽管其长和宽还不确定，但只要经过一次全局平均池化，即可转化为10-D的向量输出：
- 图像分类中的max pooling和average pooling是对特征的什么 . . .
平均池化（Average Pooling）和最大池化（Maximum Pooling）的概念就更好理解了，它们指的是如何利用图像块计算结果，取平均值就是平均池化，取最大值就是最大池化。当然，如果你愿意，也可以取最小值，搞出个最小池化、取中值，搞出个中值池化。 池化的作用 说了这么多，那么池化到底有什么用呢
- 如何理解卷积神经网络（CNN）中的卷积和池化？ - 知乎
池化层的作用： 最大池化（Max Pooling）或平均池化（Average Pooling）：池化层的作用是 降维，即减少特征图的尺寸，同时保留最显著的特征。 池化使得网络更加 鲁棒，对图像的小幅度平移、旋转或缩放的变化更加不敏感，同时保留了重要的特征。
- 平均池化和最大池化分别适用于什么场景呢？ - 知乎
观察结果和其他回答说法类似: 最大池化保留了纹理特征, 平均池化 保留整体的数据特征 再看一下主流的网络选择的池化方法 可以看到 LeNet5 在早期使用平均池化,后期使用最大池化 其他网络都用最大池化,只在最后一层使用平均池化,来保证信息的完整性
- 请问池化层（global avgpool）的作用是分类？ - 知乎
请问卷积神经网络的池化层（global avgpool）的作用是分类吗？谢邀。 池化层 （pooling layer，英文应该是这样，会有maxpooling和avgpooling等不同的pooling方法）的作用主要有两个，1、提取特征，2、降维。 一般情况下，一整个CNN一起用做分类，前面几层（不管什么层）可以理解主要用来做 特征提取，最后一
|
|