【whr的深度学习总结1】使用Matconvnet训练imbalance全连接网络

最新推荐文章于 2025-11-14 00:48:08 发布

原创

最新推荐文章于 2025-11-14 00:48:08 发布 · 4k 阅读

3 ·

CC 4.0 BY-SA版权

文章标签：

#深度学习 #算法

本文介绍如何在MatConvNet中通过配置1x1卷积核实现全连接层的功能，分享了一种确保训练数据平衡的方法，以避免模型偏向某一类别。

matconvnet只提供了卷积函数，并没有提供全连接函数，那么如何在卷积函数上训练全连接呢？

首先，我们要清楚一件事：卷积核为1*1同时步长是1的网络就是全连接。

那么配置网络的时候就只需执行卷积函数，同时配置卷积核的大小就可以。

这是我的配置文件：

function net = cnn_crp_init(varargin)
% CNN_MNIST_LENET Initialize a CNN similar for MNIST
opts.batchNormalization = true ;
opts.networkType = 'simplenn' ;
opts = vl_argparse(opts, varargin) ;

rng('default');
rng(0) ;

f=1/100 ;
net.layers = {} ;
net.layers{end+1} = struct('type', 'conv', ...
                           'weights', {
  
  {f*randn(1,1,5000,200, 'single'), zeros(1, 200, 'single')}}, ...
                           'stride', 1, ...
                           'pad', 0) ;
net.layers{end+1} = struct('type', 'relu') ;
net.layers{end+1} = struct('type', 'conv', ...
                           'weights', {
  
  {f*randn(1,1,200,200, 'single'), zeros(1,200,'single')}}, ...
                           'stride', 1, ...
                           'pad', 0)