在这一模型中，我只应用了单一卷积和池化层，可练习参数是 219,801。很好奇如不雅我在这种情况应用了 MLP 会有若干参数。经由过程增长更多的卷积和池化层，你可以进一步降低参数的数量。我们添加的卷积层越多，被提取的特点就会更具体和复杂。

在该模型中，我只应用了一个卷积层和池化层，可练习参数量为 219,801。如不雅想知道应用 MLP 在这种情况下会获得若干，你可以经由过程参加更多卷积和池化层来削减参数的数量。越多的卷积层意味着提掏出来的特点加倍具体，加倍复杂。

结语

欲望本文可以或许让你熟悉卷积神经收集，这篇文┞仿没有深刻 CNN 的复杂数学道理。如不雅欲望促进懂得，你可以测验测验构建本身的卷积神经收集，借词攀来懂得它运行和猜测的道理。

本文转自机械之心，原文来自Analyticsvidhya，作者DISHASHREE GUPTA。

【编辑推荐】

1. 联想Luigi Brochard：高机能计算三大年夜计谋， 推动人工智能飞速成长
2. WOT讲师杨钊良石工智能将在不合应用处景慢慢落地
3. 人工智能在线特点体系中的数据存取技巧
4. 分开大年夜数据/人工智能 饿了可能“吃不上饭”
5. 人工智能第三次黄金时代，藏在全球数亿摄像头里？

【义务编辑：张子龙 TEL：（010）68476606】

　　推荐阅读

　　如何快速实现一个基于Nginx网站的监控场景

一切大年夜应用办事监控说起小明地点的一家小型互联网创虻公司一向将应用运行在阿里云上。该应用采取通用的分布式 Nginx+App 架构为用户供给电商数据统计的 webservice 办事。应用运行至>>>详细阅读

本文标题：长文解密卷积神经网络体系结构

地址：http://www.17bianji.com/lsqh/36094.html

 1/2    1