PyTorch 深度学习之卷积神经网络(基础篇)Basic CNN(九)

本文详细介绍了全连接神经网络与卷积神经网络的结构,包括单通道和多通道卷积、不同尺寸的卷积核、padding和stride的影响,以及如何利用GPU进行模型加速。通过优化,模型在保持空间信息的同时,实现了约1/3的错误率降低。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

0. Revision: Fully connected Neural Network 全连接

1. Convolution Neural Network

保留空间信息

1.1 Convolution

Convolution-Single Input Channel 单通道 

数乘

3 input Channels 3通道

N input Channels

N input Channels and M output channel

M 个卷积核

1.2 convolution layer

3×3卷积核 图像大小-2

convolution layer-padding 想要保持维数不变

3×3 3/2=1 添1圈

5×5 5/2=2 添2圈

padding=1

convolution layer-stride=2

1.3 Max Pooling Layer

通道数量不变

2. A simple convolution neural network

3. How to use GPU

1. Move Model to GPU

2. Move Tensor to GPU

Results

错误率来说1/3的提升

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值