神经网络的发展历史
全连接层
卷积层
输入图像大小W*W Filter大小F*F 步长S -
padding的像素数P
池化层
没有训练参数 只会改变特征矩阵的w和h,不改变channel 一般pool size和卷积核的stride相同
神经网络的发展历史
全连接层
卷积层
池化层
分享这个小栈给你的朋友们,一起进步吧。
• 所有用户可根据关注领域订阅专区或所有专区
• 付费订阅:虚拟交易,一经交易不退款;若特殊情况,可3日内客服咨询
• 专区发布评论属默认订阅所评论专区(除付费小栈外)