<>池化层(Pooling Layer):

对信号进行 “收集” 和 “总结”
“收集” 指:多变少; “总结” 指:最大值/平均值
池化操作也可以剔除冗余信息,减少后面的计算量
用一个像素值代表4个像素值
池化层也是三种:一维池化,二维池化,三维池化

nn.MaxPool2d:

#池化窗口为2*2,步长也是2*2 #步长与池化窗口一样大小,为了不重叠 maxpool_layer = nn.MaxPool2d((2, 2),
stride=(2, 2))
其中,return_indices用来记录池化像素最大的位置,为反池化时填入数据

nn.AvgPool2d:

avgpoollayer = nn.AvgPool2d((2, 2), stride=(2, 2))
最大池化会比平均池化亮(像素值大些)

反池化:

注意在forward中要要传入indices

<>线性层(linear layer)

线性层又称为全连接层,其每一个神经元与上一个神经元相连实现对前一层的线性组合,线性变换

<>激活函数层(activation layer)

激活函数对特征继续非线性变换,赋予多层神经网络具有深度的意义。
nn.sigmoid

nn.tanh

nn.ReLU

技术
下载桌面版
GitHub
百度网盘(提取码:draw)
Gitee
云服务器优惠
阿里云优惠券
腾讯云优惠券
华为云优惠券
站点信息
问题反馈
邮箱:[email protected]
QQ群:766591547
关注微信