深度学习的一点学习笔记(CNN相关)

前沿 CNN方面从理解上和实际操作上,感觉都比RNN要方便不少,而且CNN的参数更少,研究者更多,所以CNN的介绍和变形也稍微容易理解一点。 因为是学习笔记,估计唯一看的人是我自己,我就忽略一些CNN的基础部分,比如什么是卷积,卷积如何操作,pytorch怎么实现卷积层,什么是池化层,pytorch怎么实现池化层等等。后面网络模型介绍部分的图片来源是伯禹AI,网站里面也有详细的介绍。 如果有需要的,又不幸点到这篇不中用的文章,这里给出一些简单解释。 卷积计算(convolution):可以理解为两个二维矩阵(大小相同),同位置相乘,然后相加,如果有多个通道,就将每个每个通道的矩阵与相应卷积核卷