qq_38162944的博客

链接

卷积若输入含有多个通道，则对于某个卷积核，分别对每个通道求feature map后将对应位置相加得到最终的feature map，如下图所示：若有多个卷积核，则对应多个feature map，也就是下一个输入层有多个通道。如下图所示：图像上采样的三种方法：上采样指的是任何可以让图像变成更高分辨率的技术方法一 ：反卷积（1）正常卷积在介绍反卷积之前，我们需要深入了解一下卷积，一个简单的卷积层运算，卷积参数为i=4,k=3,s=1,p=0i=4,k=3,s=1,p=0i=4,k=3,s=1,p=0

1.为什么要使用非线性激活函数？线性可分的情况下：逻辑回归和线性回归，无论是闭解形式还是凸优化都能高度拟合，但是线性不可分的情况下 （XOR异或函数），需要非线性对换数据的分布进行重新映射。对神经网络我们在神经网络中，对每一层线性变换后叠加一个非线性激活函数，以避免多层网络等效于单层线性函数，从而获得更大的学习与拟合能力。使用激活函数的目的是为了向网络中加入非线性因素；加强网络的表示能力，解决线性模型无法解决的问题（1）非线性。线性激活层对于深层神经网络没有作用，因为其作用以后仍然是输入的各种线性.