有关CNN的权重和偏差的问题

时间:2019-05-09 07:13:12

标签: conv-neural-network convolution backpropagation

我正在学习CNN。

  

到目前为止,我已经了解了以下内容:

     
      
  1. 我们将图像作为输入传递。
  2.   
  3. 在第一卷积层中,我们将所有滤镜应用于2d图像并应用激活函数,最大程度地合并图像以减少   维度,然后将输出传递到下一层。
  4.   
  5. 在下一层,我们重复该过程,并将输出传递到完全连接的层。
  6.   
  7. 然后,该层充当基本的神经网络并预测结果。
  8.   

我了解稍后阶段的全连接层中的权重和偏差,但是我无法理解如何为CNN中的初始卷积层分配权重?

我们仅将权重分配给全连接层吗?还是我们必须以特定方式将权重分配给卷积层?

1 个答案:

答案 0 :(得分:0)

好的,首先,我鼓励您继续阅读有关CNN的信息!

我将尝试解释它的实际作用。 CNN通常分为两部分。第一部分由卷积层和池组成。这些就像眼睛一样,学会看待不同的事物。转换层的权重是在输入中滑动的窗口的值,必须像完全连接的层的权重一样对它们进行初始化,并带有偏置。 CNN的第二部分是最后添加的完全连接的层。它们充当大脑,并使用“眼睛”看到的内容进行分类。

通过反向传播计算滤波器的新权重和偏差,就像它是完全连接的网络一样。

我希望我说得更清楚一些。如果您还有其他问题,请随时提出。

干杯。