卷积神经网络的卷积权重
时间: 2023-10-17 14:05:49 浏览: 46
卷积神经网络中,特征图的同一通道内的所有像素共享一组卷积核权重系数,这种性质被称为权重共享(weightsharing)。 也就是说,每个卷积核在整个特征图上进行卷积操作时使用的权重是相同的,这样可以减少网络的参数量,提高计算效率。
卷积神经网络通过卷积核作为中介来提取图像的特征。在卷积层之后,通常还包括池化层、激活函数层和全连接层等其他层。池化层用于缩小特征图的空间尺寸,减少计算量;激活函数层引入非线性因素,使网络能够学习非线性的特征表示;全连接层将特征图转换为向量形式,以便进行分类或回归等任务。
总结起来,卷积神经网络的层次结构通常包括卷积层、
#### 引用[.reference_title]
- *1* *2* *3* [神经网络与卷积神经网络,什么是卷积神经网络](https://blog.csdn.net/kfc67269/article/details/126630070)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 100%"]
[ .reference_list ]