- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
http://i60.tinypic.com/no7tye.png图 1 卷积神经网络(LeNet5)
在卷积神经网络 (LeNet 5) 上,图 1 的卷积过程 (C1)、最大池化(子采样)(S2、S4)层是通过迭代方式计算的。但是我不明白如何正确地进行 C3(卷积)层。
http://tinypic.com/r/fvzp86/8图2 进行C1层
首先,我们收到一个 MNIST 32*32 灰度数字图像作为输入,将其视为大小为 32*32 的字节数组。在 C1 层中,我们有 6 个不同的(不同的)内核,其中填充了随机的小值。从 1 到 6 的每个内核用于构建 6 个不同的特征图(每个特征图一个内核)。将大小为 5*5 的感受野从左到右移动一个 1 像素步长(偏差),将图像数组中的值乘以内核值,添加偏差并通过 sigmoid 函数。结果是当前构建的特征图的 i,j。一旦我们到达图像数组的末尾,我们就完成了当前特征图的构建。
http://i57.tinypic.com/rk0jk9.jpg图3 进行S2层
接下来我们开始生成 S2 层,同样会有 6 个特征图,因为我们对 C1 层的 6 个特征图分别使用 2*2 感受野(使用最大池化操作,在 2*2 中选择最大值感受野)。 C1、S2、S4 的程序以迭代方式进行。
http://i58.tinypic.com/ifsidu.png图4 C3层连接列表
但接下来我们需要计算 C3 层。根据各种论文,存在一个连接图。你能说一下在连接列表下感知到的是什么吗?这是否意味着我们仍将像在 C1 层中那样使用 5*5 感受野。例如,我们看到在第一行中有一个标记的特征图对应于列(0、4、5、6、9、10、11、12、14、15)。这是否意味着要构建 C3 层的 0,4,5,6,9,10,11,12,14,15 个特征图,我们将在 S2 层的第一个特征图下以 5*5 感受野进行卷积运算。卷积运算时会用到什么具体的kernel,或者像我们在C1层做的那样,又需要随机生成16个用小数字填充的kernel。如果是,我们会看到 C3 的特征图 0、4、5、6、9、10、11、12、14、15 颜色为浅灰色、浅灰色、深灰色、浅灰色、深灰色、浅灰色、深灰色,浅灰色,浅灰色,深灰色。可以清楚地看到 S2 的第一个特征图是浅灰色的,但只有 0,4,6,10,12,14 是浅灰色的。所以也许 C3 中 16 个特征图的构建以不同的方式进行。请问C5层是怎么产生的,会不会有一定的connection list?
最佳答案
免责声明:我刚刚开始这个话题,所以请指出我概念中的错误!
原文Lenet paper ,在第 8 页,您可以找到将 S2 的不同层链接到 C3 的层的连接映射。这个连接列表告诉我们 S2 的哪些层正在与内核进行卷积(细节即将到来)以产生 C3 的层。
您会注意到 S2 的每一层都涉及恰好 10 个(不是全部 16 个)C3 层。这表明内核的大小为 (5x5x6) x 10。
在 C1 中,我们有一个 (5x5) x 6 内核,即具有 6 个特征图的 5x5。这是二维卷积。在 C3 中,我们有 (5x5x6) x 10 内核,即具有 10 个特征图的“内核盒”。这 10 个特征映射和内核盒结合起来产生 16 个层而不是 6 个,因为它们不是完全连接的。
关于内核权重的生成,这取决于算法。它可以是随机的、预定义的或使用某种方案,例如咖啡里的泽维尔。
令我困惑的是内核细节没有明确定义,必须从给定的信息中导出。
更新:C5 是如何产生的?
C5 层是一个具有 120 个特征图的卷积层。 C5 特征图的大小为 1x1,因为在 S4 上应用了 5x5 内核。在 32x32 输入的情况下,我们也可以说 S4 和 C5 是完全连接的。应用于 S4 以获得 C5 的内核大小为 (5x5x16) x 120(偏差未显示)。关于这 120 个内核盒如何连接到 S4 的细节在论文中没有明确给出。然而,作为提示,提到 S4 和 C5 是完全连接的。
关于networking - 卷积神经网络 (LeNet 5)。 C3、C5层的构建,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/31878353/
CNN的Pytorch实现(LeNet) 上次写了一篇CNN的详解,可是累坏了老僧我。写完后拿给朋友看,朋友说你这Pytorch的实现方式对于新人来讲会很不友好,然后反问我说里面所有的细节你都
** 从PyTorch模型导出到ONNX文件是通过调用PyTorch的torch.onnx.export接口实现**。 ** **torch.onnx.export:如果pytorc
我是咖啡新手。为了使用 mnist 数据集训练 Lenet,我将数据下载到 caffe 中的 data/mnist 中。当尝试使用 ./examples/mnist/create_mnist.sh 转
很抱歉,这个问题非常基础。我感觉网上的资源很丰富,但是大部分都是半完整的或者跳过了我想了解的细节。 我正在尝试使用 Pytorch 实现 LeNet 进行练习。 https://pytorch.org
http://i60.tinypic.com/no7tye.png图 1 卷积神经网络(LeNet5) 在卷积神经网络 (LeNet 5) 上,图 1 的卷积过程 (C1)、最大池化(子采样)(S2、
如何计算模型中的参数数量,例如LENET 用于 mnist,或 ConvNet 用于 imagent 模型等。 caffe 中是否有任何特定函数可以返回或保存模型中的参数数量。 问候 最佳答案 这是一
我已经成功使用 LeNet 模型来使用 Siamese Network 训练我自己的数据集 tutorial 。现在我想使用 AlexNet,因为我相信它比 LeNet 更强大。有人可以提供在暹罗网络
我是 caffe 和机器学习算法的新手。是否有任何使用 caffe 和 python 2.7(最好)在 MNIST 数据上训练和测试 LeNet 的教程。谢谢 最佳答案 这里有caffe的ipytho
我是一名优秀的程序员,十分优秀!