Machine learning 当CNN在反向传播过程中学习一组特征时,比较什么?
我对这门学科比较陌生,读了很多书。我特别困惑的是,CNN是如何在训练数据集中学习其特定标记特征的过滤器的 成本是通过逐像素计算的,哪些输出应该或不应该是活动的?如果是这样的话,在向下采样之后,如何将激活映射到标记的数据Machine learning 当CNN在反向传播过程中学习一组特征时,比较什么?,machine-learning,computer-vision,conv-neural-network,feature-detection,Machine Learning,Computer Vision,Conv Neural Network,Feature Detection,我对这门学科比较陌生,读了很多书。我特别困惑的是,CNN是如何在训练数据集中学习其特定标记特征的过滤器的 成本是通过逐像素计算的,哪些输出应该或不应该是活动的?如果是这样的话,在向下采样之后,如何将激活映射到标记的数据 对于任何错误的假设或普遍的误解,我深表歉意。再一次,我是这个领域的新手,非常感谢所有的反馈。我将把它分成几个小部分 成本计算——成本/错误/损失仅取决于将最终预测(最后一层的输出)与标签(地面真相)进行比较。这是衡量预测正确与否的标准 层间结构——预测的每个输入都是前一层的输出。
对于任何错误的假设或普遍的误解,我深表歉意。再一次,我是这个领域的新手,非常感谢所有的反馈。我将把它分成几个小部分
N
中像素的强度增加时,这有效地增加了提供该输入的层N-1
中滤波器的影响。该过滤器的像素依次由层N-2
的输入进行调整欢迎来到StackOverflow。请按照创建此帐户时的建议,遵循帮助文档中的过帐指导原则,而且。。。在这里申请。StackOverflow不是设计、编码、研究或教程资源。有许多网站可以引导您完成这一过程的各个部分;要求我们总结超出堆栈溢出的范围。感谢您的反馈。现在读我的帖子,我仍然不明白我是如何要求对任何事情进行总结的。我问了一个尖锐的问题,应该有一个尖锐的答案。如果您知道回答我问题的现有文档,请分享@我有一种强烈的感觉,考虑到你的背景,你可以简明扼要地回答我的问题。我真正想知道的是,权重是在逐像素的基础上受到影响,还是在整体上受到特征的影响(不管这个过程如何);那我们就这样试试吧。我将给出一个我认为确实适合堆栈溢出的答案,我们将看看它是否回答了您头脑中的问题。给我一两个小时。。。