深度学习之神经网络基础概述

博客介绍了深度学习过程,强调做实验时要对比训练集和测试集错误率观察学习效果。还阐述了卷积神经网络参数设定,列举了卷积核的基础参数,如核大小、输出通道数等,并给出参考图书。

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

目录

1.深度学习过程概述

2.卷积神经网络参数设定


1.深度学习过程概述

        每次写论文做实验的时候都忘记了要考虑训练集上的错误率与测试集上的错误率作对比来观察学习的效果

2.卷积神经网络参数设定

         卷积核最基础的参数如下:

         (1)核大小(kernel size)

         (2)输出通道数

         (3)输入通道数

         (4)边缘填充数

         (5)扫描步长

 

参考图书:繆鹏 -深度学习实践计算机视觉

 

 

 

 

 

 

 

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

打赏作者

AI炮灰

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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