cer*_*rou 7 neural-network caffe conv-neural-network
例如,在Caffe中,应该在内部产品(完全连接)层中定义num_output.这个输出数是什么意思？
Ano*_*bhu 15
考虑将完全连接层作为简单的矩阵 - 矩阵乘法1xN并NxM生成维度的结果1xM.
让我们考虑一下,我们将维度数据56x56x3作为完全连接层的输入传递.让重量的维度是未知的NxM.考虑一下,我们设定num_ouput = 4096.
用于计算这些数据,完全连接层重塑尺寸的输入数据56x56x3作为1xN,1x(56x56x3) = 1x9408.
从而,
N = 9408
M = num_output = 4096
实际上我们最终做了一个(1x9408)matrix - (9408x4096) matrix乘法.
如果将num_output值更改为say 100,则最终会进行(1x9408)matrix - (9408x100) matrix乘法运算.
因此,增加该num_ouput值将增加模型必须学习的权重参数的数量.
| 归档时间： |
|
| 查看次数： |
4018 次 |
| 最近记录： |