|
34、CNN的相关概念:卷积核 窗口 步长 深度 填充值_笔记
- # -*- coding: utf-8 -*-
- __author__ = 'dongfangyao'
- __date__ = '2018/12/21 上午11:00'
- __product__ = 'PyCharm'
- __filename__ = 'tf25'
- import numpy as np
- a = np.array([[1, 2], [3, 4]])
- b = np.array([[5, 6], [7, 8]])
- print(np.dot(a, b))
- print(a * b)
- print(np.sum(a * b))
复制代码
CONV的过程参考:https://cs231n.github.io/assets/conv-demo/index.html |
-
CNN的相关概念1.png
(446.97 KB, 下载次数: 170)
-
CNN的相关概念2.png
(252.07 KB, 下载次数: 168)
-
CNN的相关概念3.png
(435.8 KB, 下载次数: 171)
-
CNN的相关概念4.png
(455.11 KB, 下载次数: 165)
-
CNN的相关概念5.png
(58.29 KB, 下载次数: 173)
-
1.png
(80.01 KB, 下载次数: 184)
-
2.png
(77.97 KB, 下载次数: 191)
-
3.png
(71.74 KB, 下载次数: 177)
-
4.png
(92.04 KB, 下载次数: 183)
-
5.png
(81.12 KB, 下载次数: 173)
-
画板 1.png
(757.53 KB, 下载次数: 175)
-
画板 2.png
(1.4 MB, 下载次数: 177)
-
画板 3.png
(847.38 KB, 下载次数: 175)
-
画板 4.png
(1.18 MB, 下载次数: 180)
-
画板 5.png
(587.96 KB, 下载次数: 175)
-
CNN卷积计算过程.GIF
(2.06 MB, 下载次数: 163)
-
CNN卷积计算过程2.gif
(1.13 MB, 下载次数: 167)
|