Lapisan penyatuan

Lapisan pengumpulan digunakan untuk mengurangkan dimensi peta ciri. Oleh itu, ia mengurangkan bilangan parameter untuk belajar dan jumlah pengiraan yang dilakukan dalam rangkaian. Lapisan pengumpulan meringkaskan ciri -ciri yang terdapat di rantau peta ciri yang dihasilkan oleh lapisan konvolusi.

1. Apakah tujuan penyatuan?
2. Mengapa lapisan penyatuan digunakan dalam a?
3. Apakah jenis lapisan penyatuan?
4. Apakah lapisan konvolusi dan lapisan penyatuan?

Apakah tujuan penyatuan?

Tujuan utama penyatuan adalah untuk mengurangkan saiz peta ciri, yang seterusnya menjadikan pengiraan lebih cepat kerana bilangan parameter latihan dikurangkan. Operasi penyatuan meringkaskan ciri -ciri yang terdapat di rantau, saiznya ditentukan oleh penapis penyatuan.

Mengapa lapisan penyatuan digunakan dalam a?

Tujuan lapisan penyatuan adalah untuk mengurangkan dimensi lapisan tersembunyi dengan menggabungkan output kluster neuron pada lapisan sebelumnya ke dalam neuron tunggal di lapisan seterusnya.

Apakah jenis lapisan penyatuan?

Terdapat dua jenis operasi penyatuan yang digunakan di CNN, mereka, pengumpulan maksimum dan pengumpulan purata.

Apakah lapisan konvolusi dan lapisan penyatuan?

Lapisan pengumpulan adalah lapisan baru yang ditambahkan selepas lapisan konvensional. Khususnya, selepas tidak linear (e.g. Relu) telah digunakan untuk output peta ciri oleh lapisan konvolusi; contohnya lapisan dalam model mungkin kelihatan seperti berikut: Imej input. Lapisan Convolutional. Nonlinearity.