一个CNN单元顺序是卷积，激活，池化，还是卷积，池化，激活？
回答·9
最热
最新
- 先卷积层提取图像特征，随后池化层压缩图像信息避免过拟合，最后激活层采用非线性激活函数提高模型处理非线性问题的能力。
- 一般卷积后就直接带激活了，其实先激活后池化和先池化后激活是等效的，例如使用 maxpool 和 sigmoid 或者 leaky-relu，因为激活函数单调递增的，所以原值取最大和激活后取最大都是同一个神经元，所以两者基本上等效
- 卷积 激活 池化 zhe 顺序写
- 一般情况下是 C(Conv)B(Batch normalization)R(Relu)P(Pooling)
- 卷积池化和激活没关系，激活函数是为了让模型具有非线性能力，一般神经网络每层都会带一个激活函数，比如 relu，这点和全链接层没什么区别。要硬说 CNN 和激活函数有什么关系，应该是最后一层的 softmax 或者 sigmoid 决定分类的数量。
- CBPDA:(北京大学曹健老师说的) Convolution Batch normalization Pooling Dropout Activation
- 卷积，池化，激活，池化神秘的操作
- 相比池化后激活，卷积+激活+池化，好理解吧，因为卷积提的主要特征激活后非线性才是需要的数据。Keras 也是按照这样模式。 只要神经元足够，层数合理，可能最终结果差不多。神经网络多次验证尝试，并不是理论性学科
- 卷积，激活，池化，，，，