s********k 发帖数: 6180 | 1 为什么不知道用CNN做softmax?是因为维度太高了吗? |
g****t 发帖数: 31659 | 2 不管什么结构NN,不用卷积我觉得是不太可能的。
卷积就是低通或者高通滤波器,万金油。只要数据够多,
频率找对,什么噪声不都出去了。命中率肯定能提高。
2-d麻烦些,因为数轴和平面的拓扑结构在本质上不同。
同样,3-d问题现在的ANN结构可能不一定适用,但是卷积肯定
也是必须的。
乱枪打鸟,一定要滤波器给力。
【在 s********k 的大作中提到】 : 为什么不知道用CNN做softmax?是因为维度太高了吗?
|
s********k 发帖数: 6180 | 3 我的问题是用了CNN之后,为什么不直接用CNN的输出做softmax,还要加一层FNN呢?
【在 g****t 的大作中提到】 : 不管什么结构NN,不用卷积我觉得是不太可能的。 : 卷积就是低通或者高通滤波器,万金油。只要数据够多, : 频率找对,什么噪声不都出去了。命中率肯定能提高。 : 2-d麻烦些,因为数轴和平面的拓扑结构在本质上不同。 : 同样,3-d问题现在的ANN结构可能不一定适用,但是卷积肯定 : 也是必须的。 : 乱枪打鸟,一定要滤波器给力。
|
x****u 发帖数: 44466 | 4 因为FC层参数多容量大啊,卷积层看到的是一大把抽象特征,把这些特征构成物体的函
数也需要容量
举个例子,VGG16能认ImageNet上的分类,如果我们希望学习一种新的动物分类,比如
哥斯拉,就可以把卷积层照搬,然后重新训练FC层。FC层能利用哥斯拉在卷积层上的输
出学到新分类
【在 s********k 的大作中提到】 : 为什么不知道用CNN做softmax?是因为维度太高了吗?
|
w***g 发帖数: 5958 | 5 可以直接CNN输出。之所以classification最后有FC layer是因为
多层convolution只是把一个大图片变成一个小图片。FC则是把
小图片变成N个class。用FCN做image to image transformation,
或者auto-encoder, 最后就没有FC layer,最后输出就是图片。
【在 s********k 的大作中提到】 : 我的问题是用了CNN之后,为什么不直接用CNN的输出做softmax,还要加一层FNN呢?
|
s********k 发帖数: 6180 | 6 你这个方式就是不需要做labeling最后人为的判断loss,直接unsupervised learning
?auto encoder 加在CNN之后?
【在 w***g 的大作中提到】 : 可以直接CNN输出。之所以classification最后有FC layer是因为 : 多层convolution只是把一个大图片变成一个小图片。FC则是把 : 小图片变成N个class。用FCN做image to image transformation, : 或者auto-encoder, 最后就没有FC layer,最后输出就是图片。
|
s********k 发帖数: 6180 | 7 你说的分类是label的意思?
【在 x****u 的大作中提到】 : 因为FC层参数多容量大啊,卷积层看到的是一大把抽象特征,把这些特征构成物体的函 : 数也需要容量 : 举个例子,VGG16能认ImageNet上的分类,如果我们希望学习一种新的动物分类,比如 : 哥斯拉,就可以把卷积层照搬,然后重新训练FC层。FC层能利用哥斯拉在卷积层上的输 : 出学到新分类
|
x****u 发帖数: 44466 | 8 是的,比如毛茸茸加尖耳朵加牙齿加白色加六条腿是什么,这些东西是FC层学习的
的函
比如
的输
【在 s********k 的大作中提到】 : 你说的分类是label的意思?
|
s********k 发帖数: 6180 | 9 虽然CNN学习之后的参数很大,但是理论上也可以做直接label吧,或者说如果CNN的参
数是学习的各种图像参数,那么后面加一个FNN,FNN的参数是学习什么用的?
【在 x****u 的大作中提到】 : 是的,比如毛茸茸加尖耳朵加牙齿加白色加六条腿是什么,这些东西是FC层学习的 : : 的函 : 比如 : 的输
|
x****u 发帖数: 44466 | 10 不可以啊
比如说同样都是一条狗,卷积层会有无数种输出的,必须用FC层归纳成抽象概念。
VGG16的卷积层输出了2万5千个浮点数,这个体积比ImageNet原图片小不了太多。
【在 s********k 的大作中提到】 : 虽然CNN学习之后的参数很大,但是理论上也可以做直接label吧,或者说如果CNN的参 : 数是学习的各种图像参数,那么后面加一个FNN,FNN的参数是学习什么用的?
|
s********k 发帖数: 6180 | 11 ok, 所以我的理解FNN那层主要是降低维度看来也差不多意思
【在 x****u 的大作中提到】 : 不可以啊 : 比如说同样都是一条狗,卷积层会有无数种输出的,必须用FC层归纳成抽象概念。 : VGG16的卷积层输出了2万5千个浮点数,这个体积比ImageNet原图片小不了太多。
|