Capa convolucional

Una capa convolucional es el principal componente de construcción de un CNN. Contiene un conjunto de filtros (o núcleos), cuyos parámetros se deben aprender a lo largo de la capacitación. El tamaño de los filtros suele ser más pequeño que la imagen real. Cada filtro se convola con la imagen y crea un mapa de activación.

1. ¿Qué es la capa convolucional en CNN??
2. ¿Qué es la capa convolucional y la capa de agrupación??
3. ¿Cuáles son las 4 capas diferentes en CNN??

¿Qué es la capa convolucional en CNN??

La capa convolucional es el bloque de construcción central de un CNN, y es donde ocurre la mayoría de los cálculos. Requiere algunos componentes, que son datos de entrada, un filtro y un mapa de características. Supongamos que la entrada será una imagen en color, que está compuesta por una matriz de píxeles en 3D.

¿Qué es la capa convolucional y la capa de agrupación??

La diferencia significativa es que una capa de convolución extrae características de la matriz de datos, mientras que la capa de agrupación solo muestra la matriz de datos.

¿Cuáles son las 4 capas diferentes en CNN??

Las diferentes capas de un CNN. Hay cuatro tipos de capas para una red neuronal convolucional: la capa convolucional, la capa de agrupación, la capa de corrección Relu y la capa totalmente conectada.