cs231n(5) CNN--翻译

时间 2021-01-02

原文原文链接

CNN 卷积神经网络与先前章节的原始神经网络非常相似：他们有具有权重和偏置值学习能力的神经元组成。每个神经元都接收输入数据，点乘运算然后进行非线性激活函数运算。整个神经网络是一个单一的可导的评分函数：输入原始图像像素，输出类别评分。在神经网络的最后一层有损失函数，我们在有规律的神经网络中发现的所有技巧仍然适用。那有什么改变呢？CNN架构假设输入是图像，这允许我们在架构中加入特定的属性。这些特性使

>>阅读原文<<

1. Faster R-CNN 翻译
2. Mask R-CNN翻译
3. 【翻译】Faster R-CNN
4. Faster R-CNN翻译
5. Mask R-CNN 翻译
6. 【论文翻译】Faster R-CNN
7. 【论文翻译】Fast R-CNN
8. 【论文翻译】R-CNN
9. R-CNN论文翻译
10. 【论文翻译】Mask R-CNN
更多相关文章...
• Eclipse 编译项目 - Eclipse 教程
• Kotlin 使用命令行编译 - Kotlin 教程
• Docker容器实战(七) - 容器眼光下的文件系统
• Scala 中文乱码解决