Y_hero的博客

深度学习中1*1卷积核作用看图理解！  以上是用一个773的数组作为输入，然后神经元中卷积核大小为333，数量为2,输出的特征图大小为332卷积：一组固定的权重和不同窗口内数据做内积卷积的计算—>  每次选取输入数据一层的一个窗口然后和对应深度层的神经元的卷积核进行矩阵内积计算，最后将所有的计算结果与偏置项b相加后输出  ！卷积计算时可以有多个神经元，神经元的个数对应卷积层的输...

1*1卷积和全连接层的区别1.全连接层全连接层的输入是一维数组，多维数组需先进行Flatten进行一维化处理，然后连接全连接层。全连接层的每一个结点都与上一层的所有结点相连，用来把前边提取到的特征综合起来。由于其全相连的特性，一般全连接层的参数也是最多的。全连接图结构如下。其中，x1、x2、x3为全连接层的输入，a1、a2、a3为输出，有全连接层参数计算权值参数=输入一维数组大小*全连...

1.任务分类自然语言问题大致分为7类：1.事实类问题，适合基于知识图谱或文本生成问题对应的答案。2.是非类问题，适合基于知识图谱或常识知识库进行推理并生成问题对应的答案。3.定义类问题，适合基于知识图谱，词典或文本生成问题对应的答案。4.列表类问题，适合基于网络表格生成问题对应的答案。5.比较类问题，适合基于**<问题，答案>对**进行解答。6.意见类问题7.指导类问题...