权重共享

2021-04-23 15:43:13 浏览:710

卷积神经网络中权值共享(shared weights),减少了参数的数量[1]。卷积核操作过程主要分两类:单通道卷积核多通道卷积。

其中,单通道卷积如图1所示,指的是对于输入图像为32× 32,卷积核大小为5× 5,卷积核个数为6,步幅为1,边界扩充为0,则输出特征层feature map计算公式为:(Input_H+2*padding-kernal)/stride+1,那么特征层的参数量为28*28*6,其中每个kernal在遍历一次图像上的权重保持不变。

多通道卷积如图2所示,指的是对于输入通道数为4,卷积核为2*2*4,卷积核数为2,则输出的特征层上的参数量为4*2*2*2=32个参数,其中2*2是卷积核大小,4为通道数,2为卷积核的大小。

图 1 单通道卷积  

 图 2 多通道卷积

 参考文献                

[1] Krizhevsky A, Sutskever I, Hinton G E. Imagenet classification with deep convolutional neural networks[C]//Advances in neural information processing systems. 2012: 1097-1105.

神经网络

作          者: 泮桥成像光电商城

出          处: https://www.ipanqiao.com/entry/706

版          权:本文版权归泮桥成像光电商城所有

免责声明:本文中使用的部分文字内容与图片来自于网络,如有侵权,请联系作者进行删除。

转          载:欢迎转载,但必须保留上述声明;必须在文章中给出原文链接;否则必究法律责任。

Copyright © 2019-2022 南京超维景生物科技有限公司 版权所有 www.ipanqiao.com苏ICP备20009590号-1
联系我们
立即做合同
微信客服
电话咨询

400-998-9826

17302548620

快速留言

泮桥成像光电商城专业人员会在24小时之内联系您

关闭 提交