比如经常看到的一层卷积+一层池化，或者两层同样的卷积+一层池化之类的？因为我的数据现在最好的结构是三个不同的卷积+一层池化，担心我设置的太随便了，刚入门深度学习不太懂，希望大家解答，非常感激。
1条回答 默认 最新
爱晚乏客游 2021-12-16 09:52关注池化是为了采样，降低计算量，提取主要关键的作用和提升部分鲁棒性，并不是需要一层卷积就一层池化的，可以多层卷积之后一层池化，这个没啥关系，你甚至不池化都可以
本回答被题主选为最佳回答 , 对您是否有帮助呢?解决 无用评论 打赏举报
分享
- 2021-05-25 15:31回答 1 已采纳 尽量保证每个类别下的数据量占比接近。如果不同类别之间的数据量相差较大，会导致数据不平衡问题，模型会倾向于预测数量多的类别，最终影响模型效果。解决数据不平衡问题的方法有很多，一是增加数据，使得数据平衡；
- 2022-05-08 09:31回答 3 已采纳 可以加一个resize
- 2022-09-01 00:20回答 2 已采纳 因为你返回的数据都是只有一个类别的r'dragon'，训练时的标签一直是[1,0]，所以模型针对任何数据的输出都是1,0。你应该修改一下你的数据加载器。你可以先参考一下我的博客Pytorch 2 迁移
- 2024-09-02 14:58醉后才知酒浓的博客 在处理文本时，CNN可能使用一维卷积操作（如TextCNN），以捕捉文本中的n-gram特征。：虽然CNN也可以用于文本处理（如文本分类、情感分析等），但此时输入的是文本数据，通常需要先转换为词向量或字符向量的形式，...
- 回答 2 已采纳 png不会，因为它是无损的，但是jpg gif等有损的图片压缩算法会导致信息量的缺少，影响训练效果。 但是在训练的时候，必须先将图片还原成位图，也就是无压缩的格式，才好处理。所以png一般用来作为图
- 2022-08-31 01:31回答 2 已采纳 有用记得采纳，batch_size=随便改 # -*- coding: UTF-8 -*- """ @项目名称：简单cnn网络_csv数据集_bug解决.py @作 者：陆地起飞全靠浪 @创建日期
- 2022-06-06 17:06回答 1 已采纳 那就是batchsize设置为5呗。
- 2023-02-19 18:36卷积神经网络（Convolutional ...总的来说，CNN通过其独特的结构和学习机制，在深度学习和人工智能领域扮演着至关重要的角色，特别是在图像分类任务中，通过不断优化和改进，已经成为解决复杂视觉问题的首选方法。
- 2021-10-05 15:16回答 1 已采纳 机器学习不是包括深度学习吗？同时深度学习包含CNN。知网上看SVM加麻雀算法目前是最火热的，但还没有看到CNN+麻雀算法的，但是有CNN+灰狼或者鲸鱼。如果是真正拿去使用的话，单使用CNN就够了，若果
- 2022-02-07 14:29回答 2 已采纳 你是指每个epoch对不同的数据集还是对同一个数据集训练loss没有下降，这是两回事每个epoch对不同数据集的话，那我无话可说，你开心就好对同一个数据集loss没有下降，那是应为你这才几个epoch
- 2021-03-31 10:46回答 3 已采纳 使用lstm网络进行序列预测
- 2022-02-28 17:00数据派THU的博客 来源：人工智能AI技术 本文约2500字，建议阅读9分钟 本文为你整理CNN网络结构发展史。作者丨zzq来源丨https://zhuanlan.zhihu.com/p/68411179CN...
- 2024-10-05 14:51taochaoren的博客 在人工智能的浪潮中，卷积神经网络（CNN）以其卓越的性能在图像识别、视频处理等领域大放异彩。它通过模拟人脑视觉系统，利用卷积层、池化层等结构，从数据中自动提取并学习特征，实现高效且准确的分类与识别。 ...
- 2023-07-01 10:30Joney Feng的博客 引言 最近，深度卷积神经网络（Deep ConvNets）在图像分类和目标检测的准确性方面取得了显著的进展。与图像分类相比，目标检测是一项更具挑战性的任务，需要更复杂的方法来解决。由于这种复杂性，当前的方法（例如[9...
- 2024-04-11 08:04JINGWHALE1的博客 CNN是一种深度学习模型，利用卷积层提取图像特征，池化层降维与增强不变性，全连接层实现分类/回归。核心理论包括局部感知、权值共享、多层抽象。广泛应用图像识别、目标检测、语义分割、生成任务等领域。
- 没有解决我的问题, 去提问
问题事件
系统已结题
12月24日
已采纳回答
12月16日-
创建了问题
12月15日