一个例子的网址
http://scs.ryerson.ca/~aharley/vis/conv/
输入层 -> 卷积层 ->池化层 ->卷积层 ->池化层 -> 全连接层1 -> 全连接层2 ->输出层
- 卷积层:用它来进行特征提取
- 池化层:对输入的特征图进行压缩,一方面使特征图变小,简化网络计算复杂度;一方面进行特征压缩,提取主要特征
本文介绍了卷积神经网络的基本结构,包括输入层、卷积层、池化层及全连接层等关键组成部分。卷积层主要用于特征提取,而池化层则用于减少特征图的尺寸,提取主要特征。
一个例子的网址
http://scs.ryerson.ca/~aharley/vis/conv/
输入层 -> 卷积层 ->池化层 ->卷积层 ->池化层 -> 全连接层1 -> 全连接层2 ->输出层

被折叠的 条评论
为什么被折叠?