tag 卷積核

標籤
貢獻8
62
07:53 AM · Nov 15 ,2025
u_15988698 頭像 u_16492348 頭像 u_16213673 頭像 u_15469972 頭像 u_87634 頭像 u_16099217 頭像 u_16827017 頭像 u_6813689 頭像

@卷積核 / 博客 RSS 訂閱

u_15988698 頭像

代碼天地 - 基於CNN的手寫數字識別

在深度學習領域，卷積神經網絡（CNN）已成為圖像識別任務的首選架構。而在CNN訓練過程中，優化器的選擇對模型性能有着至關重要的影響。本文將深入探討多種優化算法的原理，並通過手寫數字識別任務對比它們的實際表現。 優化器原理詳解 1. 隨機梯度下降（SGD） 隨機梯度下降是最基礎的優化算法，其更新公式為： 其中$η$是學習率，$∇J(θ

自適應 , 卷積 , 卷積核 , 服務器 , 分佈式

收藏 評論

u_16492348 頭像

wx65950818d835e - 18: 超分中的自適應卷積方法

引言 卷積神經網絡（CNN）中的卷積操作是圖像處理的基礎。標準的卷積操作使用固定的卷積核來處理圖像，但對於圖像超分任務而言，固定卷積核可能無法很好地處理不同圖像的細節和特徵。自適應卷積方法通過動態調整卷積核的權重，使得網絡能夠根據輸入圖像的特徵進行自適應卷積，從而提高超分圖像的質量。本文將探討自適應卷積在超分中的應用。 自適應卷積的基本原理 自適應卷積通過引入可

自適應 , 卷積 , 卷積核 , c++ , 後端開發 , c

收藏 評論

u_16213673 頭像

mob64ca140dc73b - 模型的可擴展性如何實驗驗證

文章作者：Tyan簡書、 1. 擴張卷積 Dilated Convolutions，翻譯為擴張卷積或空洞卷積。擴張卷積與普通的卷積相比，除了卷積核的大小以外，還有一個擴張率(dilation rate)參數，主要用來表示擴張的大小。擴張卷積與普通卷積的相同點在於，卷積核的大小是一樣的，在神經網絡中即參數數量不變，區別在於擴張卷積具有更大的感受野。感受野是卷積核在圖像上

卷積 , 卷積核 , 大數據 , 模型的可擴展性如何實驗驗證 , 數據倉庫 , 目標檢測

收藏 評論

u_15469972 頭像

mb61c46a7ab1eee - 計算機視覺：卷積神經網絡（CNN）圖像分類從像素與色彩通道基礎到特徵提取、池化及預測 - 指南

一、卷積神經網絡概述 卷積神經網絡通過濾波器（或稱核）從圖像中提取特徵，再將這些特徵傳入神經網絡進行預測或輸出。在深入探討卷積神經網絡之前，我們先詳細瞭解圖像的工作原理。 二、圖像的本質 （一）像素與矩陣表示 圖像由微小的像素構成，如同宇宙由原子組成。每個像素是一個包含數字的單元，類似矩陣中的單元格。本質上，圖像是具有確定行數和列數的矩陣，矩陣中的每個單元

卷積 , redis , 卷積核 , 數據庫 , 池化

收藏 評論

u_87634 頭像

新新人類 - CNN的神奇應用實例

Network In Network 是13年的一篇paper 引用：Lin M, Chen Q, Yan S. Network in network[J]. arXiv preprint arXiv:1312.4400, 2013. 文章的新點： 1. 採用 mlpcon 的結構來代替 traditional 卷積層；

機器學習 , 卷積 , 卷積核 , 人工智能 , 全連接 , CNN的神奇應用實例

收藏 評論

u_16099217 頭像

技術博客達人 - resnet與cnn的關係

卷積神經網絡在視覺識別任務上的表現令人稱奇。好的CNN網絡是帶有上百萬參數和許多隱含層的“龐然怪物”。事實上，一個不好的經驗規則是：網絡越深，效果越好。AlexNet，VGG，Inception和ResNet是最近一些流行的CNN網絡。為什麼這些網絡表現如此之好？它們是如何設計出來的？為什麼它們設計成那樣的結構？回答這些問題並不簡單，但是這裏我們試着去探討上面的一些問題。網絡結構

機器學習 , 卷積 , 卷積核 , resnet與cnn的關係 , 人工智能 , 特徵提取

收藏 評論

u_16827017 頭像

全棧技術開發者 - 如何理解CNN在CV與NLP領域運用的聯繫與區別？跨領域任務中如何協調卷積核設計、特徵匯聚和序列全局信息提取以提升整體模型性能？

在人工智能研究的發展歷程中，卷積神經網絡（CNN）因其在模式識別與特徵提取中的卓越表現，成為深度學習的重要基礎工具。CNN最初主要面向二維圖像數據，通過卷積核在局部區域提取空間模式，使得網絡能夠自動構建從低級到高級的特徵表示。然而，隨着自然語言處理技術的不斷進步，研究者發現CNN在文本序列建模中同樣具有顯著作用，能夠識別局部詞組模式、捕捉短語語義信息，並在文本分類、情感分析等任務

卷積 , 卷積核 , yyds乾貨盤點 , 人工智能 , 深度學習 , 池化

收藏 評論

u_6813689 頭像

程序員小2 - 終於把卷積神經網絡算法搞懂了！

今天給大家介紹一個強大的算法模型，CNN 卷積神經網絡（CNN）是一類專門用於處理具有網格結構數據（如圖像、語音、視頻等） 的深度學習模型。 CNN 的設計靈感來自於生物學中的視覺皮層結構，能夠自動、有效地從原始數據中學習空間層次特徵，這極大地減少了人工特徵工程的需要。 CNN 已成為計算機視覺、語音識別、自然語言等領域的基礎模型。 核心原理

卷積 , 卷積核 , 池化 , 代碼人生

收藏 評論