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的教程中有卷积神经网络中特征数量的概念。
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?
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的教程中有卷积神经网络中特征数量的概念。
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?
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 . 所以,这将得到大约 数以百万计的功能。
BR
这意味着:
, , , . 二次函数意味着您采用所有可能的组合, 例如 , , , , 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