- 🎉粉絲福利送書：《 自然語言處理NLP從入門到專案實戰》
- 🎉點贊 👍 收藏 ?留言 📝 即可參與抽獎送書
- 🎉下周二(12月28日)晚上20：00將會在【點贊區和評論區】抽一位粉絲送這本北京大學出版社的書~🙉
- 🎉詳情請看最后的介紹嗷~?
文章目錄
- 1. VGG
- 1.1 網路輸入
- 1.2 網路各層結構
- 2. ResNet
- 福利送書
1. VGG
VGG網路采用小的濾波器, 具有更深的網路結構，3x3 CONV，2x2 MAX POOL
三個 3x3 conv 的堆疊，具備等效于一個7x7 conv 的感受，網路更深，具有更強的非線性，
1.1 網路輸入
在訓練程序中，網路輸入尺寸固定為 224x224 的 RGB 影像，唯一的預處理就是：基于整個訓練集計算 RGB 的均值，然后每個像素節點上減去該均值，
1.2 網路各層結構
- 卷積層
在這里，網路用 3x3 的小尺寸卷積核來提取特征，并用 1x1 的卷積核來作線性轉換（后接非線性層），卷積運算的步長設定為 1，且進行 padding，使得卷積前后尺寸不變，
- 池化層
池化層選取 max-pooling，步長為 2， 尺寸為 2 * 2， 因此，特征圖的尺寸變換只發生于池化層，
- 全連接層
網路最后，接著 3 個全連接層（Fully-Connected layers），神經元數目分別為：4096，4096，1000，最后 1000 用于 1000 分類，最后用一個 softmax 層，用于計算類別的概率（約束在 0~1 之間，和為 1），
- 激活函式
整個網路使用 ReLU 作為非線性激活函式，由于 Local Response Normalisation (LRN) 對網路無益，所以網路未使用，
-
結構
-
不計算偏置
2. ResNet
ResNet網路是參考了VGG19網路，在其基礎上進行了修改，并通過短路機制加入了殘差單元，
變化主要體現在ResNet直接使用stride=2的卷積做下采樣，并且用global average pool層替換了全連接層，
ResNet的一個重要設計原則是：當feature map大小降低一半時，feature map的數量增加一倍，這保持了網路層的復雜度，esNet相比普通網路每兩層間增加了短路機制，這就形成了殘差學習，
采用殘差連接，可以構建非常深的網路結構，ResNet通過殘差學習解決了深度網路的退化問題，讓我們可以訓練出更深的網路！
- 殘差塊結構
- 堆疊殘差模塊
- 每個殘差模塊有兩個3x3 卷積層
- 網路的起始有一個額外的卷積層
- 網路中無全連接層，僅在最后有一個FC 1000用于預測類別
- 理論上，可以用多種尺寸的輸入影像來訓練
(最后一個卷積層之后，有一個全域平均池化層，網路中無全連接層，僅在最后用FC1000輸出類別，)
- 《實際應用的深層神經網路模型分析》，2017年，
福利送書
【內容簡介】
本書分為12章
主要包括學習人工智能原理、自然語言處理技術、掌握深度學習模型、NLP開源技術實戰、Python神經網路計算實戰、AI語音合成有聲小說實戰、玩轉詞向量、近義詞查詢系統實戰、機器翻譯系統實戰、文本情感分析系統實戰、電話銷售語意分析系統實戰人工智能輔助寫作系統（獨家專利技術解密），
本書內容通俗易懂，案例豐富，實用性強，特別適合使用Python語言人工智能自然語言處理的入門和進階的讀者閱讀，也適合產品經理、人工智能研究者等對人工智能自然語言處理感興趣的讀者閱讀，
【評論區】和 【點贊區】 會抽一位粉絲送出這本書籍嗷~
當然如果沒有中獎的話，可以到當當，京東北京大學出版社的自營店進行購買，
也可以關注我！不定期送一本書出去噠~
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/389053.html
標籤：AI
上一篇：腦腫瘤識別，畢設找上門來了