Howtosignalprocessing
Las capas de agrupación se utilizan para reducir las dimensiones de los mapas de características. Por lo tanto, reduce el número de parámetros para aprender y la cantidad de cálculo realizada en la red. La capa de agrupación resume las características presentes en una región del mapa de características generadas por una capa de convolución.
- ¿Cuál es el propósito de agrupar??
- ¿Por qué se usa la capa de agrupación en un?
- ¿Cuáles son los tipos de capas de agrupación??
- ¿Qué es la capa de convolución y la capa de agrupación??
¿Cuál es el propósito de agrupar??
El objetivo principal de la agrupación es reducir el tamaño de los mapas de características, lo que a su vez hace que el cálculo sea más rápido porque el número de parámetros de entrenamiento se reduce. La operación de agrupación resume las características presentes en una región, cuyo tamaño está determinado por el filtro de agrupación.
¿Por qué se usa la capa de agrupación en un?
El propósito de las capas de agrupación es reducir las dimensiones de la capa oculta combinando las salidas de los grupos de neuronas en la capa anterior en una sola neurona en la siguiente capa.
¿Cuáles son los tipos de capas de agrupación??
Principalmente hay dos tipos de operaciones de agrupación utilizadas en CNNS, son, agrupación máxima y agrupación promedio.
¿Qué es la capa de convolución y la capa de agrupación??
Una capa de agrupación es una nueva capa agregada después de la capa convolucional. Específicamente, después de una no linealidad (e.gramo. Relu) se ha aplicado a la salida de mapas de características mediante una capa convolucional; Por ejemplo, las capas en un modelo pueden verse de la siguiente manera: Imagen de entrada. Capa convolucional. No linealidad.
