Layer visibility

本文介绍了一个用于可视化卷积神经网络(CNN)预测数字的过程的在线工具。通过该工具可以观察到输入层到全连接层各阶段特征的变化,帮助理解CNN的工作原理。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

画一个数字,查看CNN如何预测它

http://scs.ryerson.ca/~aharley/vis/conv/flat.html

2D Visualization of a Convolutional Neural Network

1433065-20180812184042654-2019062711.png

Fully-connected layer 2,unit 97

1433065-20180812184559147-1726306885.png

Fully-connected layer 1,unit 119

1433065-20180812184650041-976483158.png

Downsampling layer 2,filter 4,unit 17

1433065-20180812184821771-624247069.png

Convolution layer 2,filter 6,unit 54

1433065-20180812184912488-257151124.png

Downsampling layer 1,filter 2,unit 120

1433065-20180812185002707-539385669.png

Convolution layer 1,filter 2,unit 100

1433065-20180812185103950-1296887691.png

Input layer,unit 245

1433065-20180812185137209-1968206575.png

转载于:https://www.cnblogs.com/hugeng007/p/9463951.html

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