如何计算计算机视觉神经网络中的二次特征

数据挖掘 神经网络 深度学习 张量流 卷积
2021-10-14 20:03:04

我最近在 Youtube 上观看 Andrew Ng 博士的一些深度学习教程。链接在这里Youtube 视频

TensorFlow教程中有卷积神经网络特征数量的概念

我不太明白为什么 conv layer1 或 layer2 中的特征是 32 或 64?

然后我来了视频,里面也有二次特征的概念。然而,它被计算为300万但它是如何计算的?

这两个功能在概念上是否相关?

2个回答

很抱歉这么晚才回复。我刚刚阅读了您的留言。

导师正在使用 x22. 所以2500×25002,这将得到大约 3 数以百万计的功能。

BR

这意味着:

  1. 50x50 像素图像意味着您的图像中有 2500 个单位像素。那么每个单元就是一个特征,即

x1=pixel1, x2=pixel2, , x2500=pixel2500. 二次函数意味着您采用所有可能的组合xixj, 例如 x12,  x1x2,  x1x3,  ,  x1x2500等...这会给您带来比仅考虑线性函数更好的结果...,只需获取所有可能的组合并计算它们,您就可以解决 n22=2500 × 250023