过拟合产生的原因？ 过拟合的表现：模型在训练集上误差很小，在测试集上误差很大。 过拟合主要由两个方面决定：一是数据集，二是模型。 我认为过拟合问题目前来说只能减少不能避免。 数据集角度： 我 ...

ResNet的核心内容之一，即“Deeper Bottleneck Architectures”（简称DBA），一言概之，bottleneck是一种特殊的残差结构。 Resnet论文 ...

self参数 self指的是实例Instance本身，在Python类中规定，函数的第一个参数是实例对象本身，并且约定俗成，把其名字写为self， 也就是说，类中的方法的第一个参数一定要是self ...

全连接层的输入是固定大小的，如果输入向量的维数不固定，那么全连接的权值参数的量也是不固定的，就会造成网络的动态变化，无法实现参数训练目的。 全连接层的计算其实相当于输入的特征图数据矩阵和全连接 ...

在卷积神经网络中，感受野定义：CNN每一层输出的特征图上的像素点在原始图像上的映射的区域大小。 RF （receptive field）描述了两个特征映射（Feature Maps）上神 ...

CNN能够对图片进行分类，可是怎么样才能识别图片中特定部分的物体、 通常CNN网络在卷积层之后会接上若干个全连接层, 将卷积层产生的特征图(feature map)映射成一个固定长度的特征向量。 ...

那Top-1 Accuracy和Top-5 Accuracy是指什么呢？区别在哪呢？ 首先是TOP-5正确率，举个例子，比如你训练好了一个网络，你要用这个网络去进行图片分类任务，假设 ...

原文链接： https://www.zhihu.com/question/68730628/answer/607608890BN和IN其实本质上是同一个东西，只是IN是作用于单张图片，但是BN作用于 ...

输入模式与网络架构间的对应关系： 向量数据：密集连接网络（Dense层） 图像数据：二维卷积神经网络 声音数据（比如波形）：一维卷积神经网络（首选）或循环神经网络 文本数据：一维卷 ...