Python深度学习pytorch神经网络汇聚层理解
我们的机器学习任务通常会跟全局图像的问题有关（例如，“图像是否包含一只猫呢？”），所以我们最后一层的神经元应该对整个输入的全局敏感。通过逐渐聚合信息，生成越来越粗糙的映射，最终实现学习全局表示的目标，同时将卷积图层的所有有时保留在中间层。
此外，当检测较底层的特征时（例如之前讨论的边缘），我们通常希望这些特征保持某种程度上的平移不变性。例如，如果我们拍摄黑白之间轮廓清晰的图像X，并将整个图像向右移动一个像素，即Z[i, j] = X[i, j+1]，则新图像Z的输出可能大不相同。而在现实中，随着拍摄角度的移动，任何物体几乎不可能发生在同一像素上。即使用三脚架拍摄一个静止的物体，由于快门的移动而引起的相机振动，可能会使所有物体左右移动一个像素（除了高端相机配备了特殊功能来解决这个问题）。
本节将介绍池化（pooling）层，它具有双重目的：降低卷积层对位置的敏感性，同时降低对空间降采样表示的敏感性。
最大汇聚层和平均汇聚层
与卷积层类似，汇聚层运算符由一个固定形状的窗口组成，该窗口根据其步幅大小在输入的所有区域上滑动，为固定形状窗口（有时称为池化窗口）遍历的每个位置计算一个输出。然而，不同域卷积层的输入与卷积核之间的互相关计算，汇聚层不包含参数。相反，池运算符是确定性的，我们通常计算池化窗口中所有元素的最大值或平均值。这些操作分别称为最大汇聚层（maximum pooling）和平均汇聚层（average pooling）。
在这两种情况下，与互相关运算符一样，池化窗口从输入张量的左上角开始，从左到右、从上到下的在输入张量内移动。
填充和步幅
和先前一样，我们可以通过填充和步幅以获得所需的输出形状。
多个通道
在处理多通道输入数据时，汇聚层在每个输入通道上单独运算，而不是像卷积层一样在通道上对输入进行汇总。这意味着汇聚层的输出通道数与输入通道数相同。
以上就是Python深度学习pytorch神经网络汇聚层理解的详细内容，更多关于pytorch神经网络的资料请关注脚本之家其它相关文章！
相关文章
这篇文章主要介绍了Python实用工具FuckIt.py介绍,FuckIt.py 使用了最先进的技术能够使你的代码不管里面有什么样的错误，你只管 FuckIt，程序就能“正常”执行，兵来将挡水来土掩,需要的朋友可以参考下2019-07-07
这篇文章主要为大家详细介绍了python如何为被装饰的函数保留元数据，具有一定的参考价值，感兴趣的小伙伴们可以参考一下2018-03-03
这篇文章主要介绍了Python爬虫与反爬虫的相关资料，文中讲解非常细致，帮助大家更好的理解Python爬虫与反爬虫的关系，感兴趣的朋友可以了解下2020-07-07
python调用java模块SmartXLS和jpype修改excel文件的方法
这篇文章主要介绍了python调用java模块SmartXLS和jpype修改excel文件的方法,涉及Python调用java模块的相关技巧,非常具有实用价值,需要的朋友可以参考下2015-04-04
这篇文章主要介绍了用Python实现童年贪吃蛇小游戏功能的实例代码,本文给大家介绍的非常详细，对大家的学习或工作具有一定的参考借鉴价值，需要的朋友可以参考下2020-12-12
大家好，本篇文章主要讲的是python使用cartopy库绘制台风路径代码，感兴趣的同学赶快来看一看吧，对你有帮助的话记得收藏一下2022-02-02
本文主要介绍了Django在视图中使用表单并和数据库进行数据交互，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧2022-07-07
这篇文章主要介绍了利用python对excel中一列的时间数据更改格式操作，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2020-07-07
关于Pandas count()与values_count()的用法及区别
这篇文章主要介绍了关于Pandas count()与values_count()的用法及区别，具有很好的参考价值，希望对大家有所帮助。如有错误或未考虑完全的地方，望不吝赐教2022-05-05
这篇文章主要介绍了python中arrow库用法详解,本文通过实例代码给大家介绍的非常详细，对大家的学习或工作具有一定的参考借鉴价值，需要的朋友可以参考下2022-08-08
最新评论