深度学习基础知识
关注
分享
扫一扫
文章平均质量分 80
入门基础
向前跑、
一个向前跑的硕士
展开
专栏收录文章
- 默认排序
- 最新发布
- 最早发布
- 最多阅读
- 最少阅读
-
什么是二维批量归一化操作（Batch Normalization, BN）
１、通道独立：BN对每个通道单独计算 μ 和 σ² ，其他通道不影响当前通道。２、批次统计：均值和方差来自批次内所有样本的同一通道数据（共 B×H×W 个值）。３、训练与测试区别训练时：使用当前批次的 μ 和 σ²。测试时：使用训练时累积的移动平均 μ 和 σ²通过BN，数据被归一化到均值为0、方差为1的分布，从而加速训练并提升模型稳定性。原创 2025-04-13 09:44:43 · 2034 阅读 · 0 评论 -
随机池化详解+示例演示
随机池化（Stochastic Pooling） 是一种替代传统最大池化（Max Pooling）和平均池化（Average Pooling）的方法，它的核心思想是按特征值的概率随机采样，既能保留显著特征，又能避免过度丢弃信息。下面通过具体例子详细解释它的计算过程和特点。原创 2025-04-11 14:30:03 · 415 阅读 · 0 评论