[DeeplearningAI笔记]卷积神经网络1.6-1.7构造多通道卷积神经网络
4.1卷积神经网络 觉得有用的话,欢迎一起讨论相互学习~ 吴恩达老师课程原地址 1.6多通道卷积 原理 对于一个多通道的卷积操作，可以将卷积核设置为一个立方体，则其从左上角开始向右移动然后向下移动，这里设置Padding模式为VALID，步长为1. 注意 ...
原文：[DeeplearningAI笔记]卷积神经网络1.4-1.5Padding与卷积步长
. 卷积神经网络 觉得有用的话,欢迎一起讨论相互学习 吴恩达老师课程原地址 . Padding 一张 大小的图片，使用 的卷积核设定步长为 ，经过卷积操作后得到一个 的图像。 特征图大小公式 设定原始图像大小为 n n ,卷积核大小为 f f ，则经过卷积操作后特征图大小为 n f n f 不使用Padding的缺点 经过卷积操作后图像会缩小. 如果你注意角落边的像素，则此像素点只会被卷积核触碰 ...
2018-07-19 20:46 0 2679 推荐指数：
相关推荐
卷积神经网络--padding
1. 当padding 为VALID时： 输出宽和高的公式代码为： output_width = (input_width - filter_width + 1) / strides_width; (结果向上取整 ...
[DeeplearningAI笔记]卷积神经网络4.6-4.10神经网络风格迁移
image 表示。 4.7深度卷积神经网络在学什么What are deep ConvNets ...
[DeeplearningAI笔记]卷积神经网络4.11一维和三维卷积
4.4特殊应用:人脸识别和神经网络风格转换 觉得有用的话,欢迎一起讨论相互学习~ 吴恩达老师课程原地址 4.11一维和三维卷积 二维和一维卷积 对于2D卷积来说，假设原始图像为\(14*14*3\)的三通道图像，使用32个\(5*5*3\)的卷积核(其中3表示通道 ...
第十一节，卷积神经网络之卷积、填充、步长介绍(一)
一 计算机视觉 把神经网络应用于计算机视觉时，有一个很大的挑战，就是数据的输入可能会非常大。举个例子，在过去的课程中，你们一般操作的都是 64×64 的小图片，实际上，它的数据量是 64×64×3，因为每张图片都有 3 个颜色通道。如果计算一下的话，可得知数据量为 12288，所以我们的特征向量 ...
[DeeplearningAI笔记]卷积神经网络2.3-2.4深度残差网络
4.2深度卷积网络 觉得有用的话,欢迎一起讨论相互学习~ 吴恩达老师课程原地址 参考文献 [残差网络]--He K, Zhang X, Ren S, et al. Deep Residual Learning for Image Recognition[J]. 2015 ...
[DeeplearningAI笔记]卷积神经网络2.9-2.10迁移学习与数据增强
4.2深度卷积网络 觉得有用的话,欢迎一起讨论相互学习~ 吴恩达老师课程原地址 2.9迁移学习 迁移学习的基础知识已经介绍过，本篇博文将介绍提高的部分。 提高迁移学习的速度 可以将迁移学习模型冻结的部分看做为一个函数，因为每次都要使用这个冻结模型的输出值来训练 ...
[DeeplearningAI笔记]卷积神经网络1.2-1.3边缘检测
4.1卷积神经网络 觉得有用的话,欢迎一起讨论相互学习~ 吴恩达老师课程原地址 1.2边缘检测示例 边缘检测可以视为横向边缘检测和纵向边缘检测如下图所示: 边缘检测的原理是通过一个特定构造的卷积核对原始图片进行卷积操作后得到一个特征图，这个特征图 ...