Çoğu mimaride, konv katmanlarını bir havuz katmanından (maks/avg vb.) Takip ediyor. Bu havuz katmanları sadece önceki katmanın (yani konv) çıktısını seçerken, sadece adım 2 ile konvolüsyon kullanabilir miyiz ve benzer doğruluk sonuçlarının azaltılmış proses ihtiyacıyla sonuçlanmasını bekleyebilir miyiz?Max havuz katmanı vs Adım performansı ile Convolution
5
A
cevap
6
Evet, bu yapılabilir. Onun 'Striving for simplicity: The all convolutional net'
https://arxiv.org/pdf/1412.6806.pdf numaralı gazetede açıklanmıştır. kağıttan alıntı:
cevap için
İlgili konular
- 1. caffe veri katmanı örnek adım adım
- 2. CALayer performansı vs UIImageView performansı
- 3. Batches vs Tris performansı
- 4. Selenium vs Jsoup performansı
- 5. HTTPListener vs Yerel HTTP performansı
- 6. CALayer vs Layer destekli NSView Performansı
- 7. Seçimin performansı vs randint
- 8. Servlet Vs Struts2 Performansı
- 9. DataContractSerializer vs BinaryFormatter performansı
- 10. GridView vs DataList vs için Repeater vs ListView 'in performansı
- 11. HashMap vs Anahtar ifadesi performansı
- 12. Tablo vs Sıcaklık Tablo Performansı
- 13. UIGestureRecognizer vs. UITouch Temsilcisi Performansı
- 14. Nesne-İlişkisel Haritalama vs Veritabanı Soyutlama Katmanı
- 15. İş Birimi/Havuz Kalıbı ile Esinti
- 16. 'to` lensi ile fermuar içine adım adım
- 17. sas hash birleştirme vs veri adım birleştirme
- 18. width: 100% vs max-width: 100%
- 19. nvarchar (50) vs nvarchar (max) 'nin etkileri
- 20. MAX vs Top 1 - hangisi daha iyi?
- 21. JavaScript kimliği + sınıf vs. sınıf seçici performansı
- 22. PostgreSQL ile Havuz Oluşturma JDBC
- 23. erlang vs jvm (scala) özyineleme performansı
- 24. jQuery seçicileri vs yerel değişkenlerin performansı
- 25. Oracle için regexp_replace vs translate performansı?
- 26. Linq To Sql vs Entity Framework Performansı
- 27. En performanslı ses katmanı mı?
- 28. matplotlib, adım animasyon adım
- 29. Sıklıkla adım adım basitleştirme?
- 30. jQuery'nin adım adım işlevini genişletme
teşekkür 'Biz max-havuzlama basitçe birkaç resim tanıma kriterler üzerinde doğruluk kaybı olmadan artmış bir adım ile kıvrımlı bir tabaka ile değiştirilebilir bulmak'. Peki, neden endüstri max-havuzlarını kullanıyor? –
Google'ın google'dan gelen 'MobileNets: Efficient Convolutional ağları' adlı makalesi, CNN katmanlarında (FC'den önce bir bitkiye sahip olan) havuzlamayı kullanmaz. Kazanç hıza göre ihmal edilebilir. –