mask, pool_size) print("原始数据:") print(original_data) print("\n平均池化后:") print(pool...
最大池化需要记录前向传播时最大值的位置索引,反向传播时仅在对应位置传递梯度。而平均池化不需要存储额外信息,计算过程更高效,适合对计算资源敏感的场景。 实际应用中发现,平均池化的平滑特性可能削弱重要特征的影响力。当特征图中存在明显局部特征时,均匀分配梯度会降低模型对关键区域的关注度。这种情况需要结合具体...
convolution层:Convolution卷积层的前向传播和反向传播 - 知乎 (zhihu.com) AvgPooling层:AvgPooling平均池化层的前向传播和反向传播 - 知乎 (zhihu.com) MaxPooling层:MaxPooling最大池化层的前向传播和反向传播 - 知乎 (zhihu.com) Fullconnect层:全连接层的前向传播和反向传播 - 知乎 (zhihu.com) Cross Entr...
激活函数: sigmoid relu softmax 网络层: 激活函数层 reshape层 全连接层(full connected layer) 平均池化层(mean-pooling layer) 卷积层(convolution layer) 博客 【python】如何用 numpy 实现 CNN 感想 我写这些代码只是为了学习算法,没有仔细考虑效率和准确率(python写的,效率不会高到哪里去) 我的网络框架借鉴...