我的caffe学习之路<第七天>

本文探讨了如何在图结构上应用卷积神经网络(CNN),重点介绍了将复杂图转换为有规律结构的方法,并讨论了在图上实现卷积、池化及反卷积等操作的挑战。



        今天看了下这篇文章:Convolutional Neural Networks on Graphs with Fast Localized Spectral Filtering

        讲了怎么用图来做cnn和上篇文章用图来做的相同之处在于都把一个复杂的图转换成了一个相对有规律的结构,比如树。我们的东西最后还是得转到图上来,怎么做pooling和Upsample成了最大的难点。

        好消息是卷积这步的kernel_h,kernel_w可以调整,步长也有stride_h,stride_w,调整完后能顺利跑起来,但因为没有拷贝参数值,结果反卷积的参数值为0。可能是因为没有设置backward这一步的计算。

        明天看看池化怎么做的。

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