Caffe学习笔记
来源:互联网 发布:内窥镜图文工作站软件 编辑:程序博客网 时间:2024/06/04 20:05
CNN基础理论
基础结构单元
1. 全连接层
(1)何谓“全”?
(2)前向运算?
(3)反向传播?
2. 卷积层与反卷积层
2.1 卷积层
(1)2D卷积的数学形式:
连续卷积?
离散卷积?
Caffe实现?
(2)神经元之间的连接方式?
(3)何谓权值共享?
(4)Caffe中多通道卷积的快速实现?
2.2 反卷积层
(1)卷积的逆过程,实现信号复原
(2)全卷积网络(FCN),反卷积层实现上采样
3. 池化层
(1)有哪几种方式?
(2)作用?
(3)位置?
4. Dropout层
(1)在哪个阶段起作用?
(2)作用?
5. Batch Normalization
(1)作用
激活函数
(1)种类?
(2)位置?
(3)作用?
损失函数
(1)种类
(2)特点及应用场景
经典网络
1. 单层感知机
(1)线性模型及缺点
2. 多层感知机、卷积网络
(1)error梯度反向传播
(2)非线性激活函数
(3)缺点
3. DBM DBN DAE
(1)无监督学习
(2)分层预训练
网络训练
1. BP算法
(1)caffe中每一层是怎么进行链式求导、梯度反向传播的?
2. GD算法
(1)GD、SGD缺点
(2)Mini batch SGD
3.几个参数
3.1权重衰减参数lambda
3.2动量参数momentum
3.3 学习率
(1)可以设置成哪几种?
理论问题
梯度弥散
(1)产生原因?从数学角度理解?
(2)解决方法?LSTM、Layer wise Pre train(无监督数据逐层预训练,有监督数据fine-tune )、ReLU、辅助损失函数、BN(逐层尺度归一化)
0 0
- Caffe学习笔记
- Caffe学习笔记
- caffe学习笔记:mnist
- caffe学习笔记
- caffe学习笔记
- Caffe学习笔记
- Caffe学习笔记
- caffe学习笔记160824
- caffe学习笔记
- 00 caffe-学习笔记
- Caffe 学习笔记1
- Caffe学习笔记2
- Caffe学习笔记
- Caffe学习笔记
- caffe学习笔记
- caffe学习笔记
- caffe 学习笔记
- caffe学习笔记
- UE4 数据保存到内存,时间的格式处理
- Android OKHttp介绍与使用(一)
- linux 安装redis数据库
- Android中gif动画
- 数据结构实验之串一:KMP简单应用
- Caffe学习笔记
- OFBIZ FTL模板乱码问题
- Git删除远程分支
- redis初步认识
- JAVA虚拟机入门(1)---------类文件结构 (下)
- C(C语言算法第一篇递归算法的使用)
- SQL STUFF涵数使用 SQL记录接拼字段,方便让SQL行记录转换成列 很方便
- saving HDU
- mac的熟悉,环境及命令(不断更新)