关联问题
换一批
2回答
在中，所有层都有激活函数，但在上采样层中似乎没有激活函数(即使用转置卷积)。为什么这比激活功能提供更高的效率？根据我的理解，激活函数提供非线性。因此，这个问题实际上是，在转置卷积中保持线性而在正则卷积上保持非线性有什么好处。在这些层中有一个<em
浏览 0提问于2019-01-22得票数 2
回答已采纳
我正在使用一个模型，这里是其中的一部分： ...nn.Conv2d(1 * filters_multiplier我知道第1-2层和第3-4层只是为了简化计算(3x1和1x3是6次运算，3x3是9次)而制作的(3，3)。但是，在没有激活函数的情况下，将两个卷积层顺序放在彼此后面是否有意义，或者这只是一个错误？我<
浏览 81提问于2021-08-23得票数 1
回答已采纳
我正在为Toxici评论分类Kaggle竞赛撰写一份大学报告，比较不同模型的不同尝试，我想知道卷积神经网络是否是一个模型，多输出层模型。ONMO也称为多任务学习，这种方法将有一个输入层、一组隐藏层和每个标签的一个输出层。
另一方面，CNN是几层具有非线性激活函数(如ReLU或tanh )的卷积。它使用输入层上的卷积来计算输出，而
浏览 0提问于2018-03-12得票数 0
1回答
我在CNN上听麻省理工学院的深度学习讲座。它说，当将权重与像素值相乘时，可以在每个像素上应用像relu这样的非线性激活函数。我理解为什么应该在简单的神经网络中应用它，因为它在我们的输入数据中引入了非线性。但是为什么我要将它应用于单个像素呢？还是我搞错了？
浏览 119提问于2020-06-17得票数 0
回答已采纳
2回答
我有以下模型，使用tensorflow 2.2.0和keras： def get_model(input_shape):
model.add(trainX, trainY, validation_split=0.2, epochs=10, batch_size=50) 我还尝试将优化器更改为sgd，结果相同，并尝试了不同的批处理大小(包括1我是不是遗漏了什么基本的东西？ 编辑:将转换层的激活设置为relu无济于事。val
浏览 42提问于2020-07-14得票数 0
1回答
如何从以下卷积神经网络编码中提取图像特征from tensorflow.keras.utils import img_to_array img = img/255X = np.array(df_image)
图像被转换为3层矩阵(RGB)中的256 x 256 x3大小，其中每一层包含256 x 256值。
浏览 13提问于2022-12-04得票数 -1
回答已采纳
2回答
在最终完全连接的层上需要激活函数(例如sigmoid)。但是为什么在卷积层上也要应用激活函数呢？据我所知，激活函数只需要在最后一层上应用一次。
浏览 0提问于2019-02-18得票数 2
1回答
在FaceNet纸中，他们这样描述泽勒&费格斯模型：交错是什么意思？这与起始层相比如何？特别是，正如泽勒和费格斯纸业所说的
我们在整个论文中使用标准的完全监督的convnet模型(LeCun等人，1989年)和(Krizhevsky等人，2012年)。...网络的前几层是传统的全连通网络，最后一层是softmax分类器。
浏览 0提问于2016-11-18得票数 1
回答已采纳
1回答
我正在学习什么是卷积层，以及它的功能。我有几个问题要问。一个是in_channels和out_channels是什么。在我的代码中，我有以下内容：我知道这个层的in_channels是3，因为RGB，但我不明白为什么out_channels是64，为什么<
浏览 0提问于2020-10-11得票数 0
回答已采纳
我是深入学习研究和方法的初学者，但我已经看到了几个例子，它们声称使用ReLU作为网络上的激活函数将优于其他常见函数，当然包括简单的线性函数。是否有研究或意见，为什么这一变化显着影响一个网络的性能？
0有什么独特之处吗?改变的意义？例如，如果我们将更改的重点移到1上怎么办？我的直觉是，当0分隔行时，它分离符号函数，这可能对依赖于正/负分类的
浏览 0提问于2020-02-25得票数 2
2回答
在关于目标检测的教程中，提到了快速的R-CNN。ROI (感兴趣区域)层也被提及。
当区域提案根据最终的卷积层激活函数(在每个单元中)调整大小时，在数学上会发生什么？
浏览 1提问于2017-04-15得票数 27
回答已采纳
1回答
我有一组睁开和闭着眼睛的照片。数据是通过这种方式从当前目录中使用keras收集的：N_images = 84898 #total number of images target_size=(h, w), class_mode = 'binary')
我有一个我已经建立了这个顺序模
浏览 2提问于2020-06-18得票数 0
回答已采纳
1回答
如何在伯特的基础上添加CNN层？
、、、、
我只是在玩bert (来自变压器的双向编码器表示)
假设我想在BERT模型的基础上添加任何其他模型或层，比如卷积神经网络层(CNN)、非线性层(NL)。我该怎么做？我想不出我该在哪里修改伯特的代码。我使用的是拥抱脸的伯特的pytorch实现。📷请说明使用sudo代码实现此操作的步骤，这将帮
浏览 0提问于2019-06-24得票数 5
2回答
可以改变卷积层和池层的顺序吗？
、、、、
许多CNN体系结构依次由卷积层和池层组成。我只是想知道是否有可能改变卷积层和池层的顺序。如果没有，你能解释为什么卷积层先于池层吗？
浏览 0提问于2018-07-30得票数 3
3回答
理论分析表明，卷积网络的阶数为：Convolutional Layer - Non-linear Activation - Pooling Layer。但是，在这些站点的最后一个实现中，它说顺序是：Convolutional Layer - Pooling Layer - Non-linear Activation
我也尝试过探索Conv2D操作语法，但是没有激活函数，它只是翻转内核的卷积。有人能帮我解释一下为什么会发生这种事吗？
浏览 2提问于2016-02-21得票数 39
回答已采纳
2回答
卷积层是否有一个精确的逆
、、、、
卷积层通常产生较小尺寸的输出。是否有可能通过翻转/转置使用的内核并提供填充或类似的方式来逆转这样的操作？
只是看看这里的卷积层的操作-没有池层，级联，非线性激活函数等。我不寻找任何几个可训练版本的反向卷积操作。这可以通过输出空间中的$\geq 1$或者输入空间中的内部填充来实现。文森特·杜穆林和弗朗西斯科·维辛在他们的上提供了非常清晰、生动的gifs。深度学习社区在命名这些操作时存在分歧:
浏览 0提问于2018-01-30得票数 2
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
云直播
对象存储
实时音视频活动推荐
腾讯云开发者
