深度学习与神经网络(七)——卷积神经网络之池化 & upsample与downsample
池化层pooling与采样 upsample与downsample upsample是上采样，类似图片的放大 downsample是下采样，类似图片的缩小 比如这种隔行采样就是下采样 在卷积神经网络中使用的采样方式就是pooling，有点类似下采样，但不太一样 pooling也是把feature map变小的操作 pooling有多种方式，如max pooling, avg pooling
相关文章
- 1. 【神经网络与深度学习】卷积神经网络（CNN）
- 2. 【深度学习】从神经网络到卷积神经网络
- 3. 【神经网络与深度学习】卷积与反卷积
- 4. 【深度学习】卷积神经网络
- 5. 学习记录：卷积神经网络———卷积与池化
- 6. [深度学习]卷积神经网络：卷积、池化、常见分类网络
- 7. 深度学习-卷积神经网络
- 8. 卷积神经网络 - 卷积池化
- 9. 吴恩达 深度学习 卷积神经网络 卷积神经网络
- 10. 深度学习与TensorFlow实战（九）卷积神经网络—Lenet神经网络
- 更多相关文章...
- • 网络协议是什么？ - TCP/IP教程
- • 您已经学习了 XML Schema，下一步学习什么呢？ - XML Schema 教程
- • 互联网组织的未来：剖析GitHub员工的任性之源
- • 算法总结-深度优先算法
相关标签/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
欢迎关注本站公众号,获取更多信息
