[027] 深度學習--學習筆記（5）CNN與ResNe的理論基礎
1、CNN的提出 ① 硬件設備的滯後 1980年，Yann LeCun在做手寫數字識別時，以全連接層的形式構建神經網絡，假設這個網絡有四層，那麼最終會產生236K個參數量，而且每個參數都是浮點型Float，即需要236K * 4 = 944K (Byte) 的運存空間。但當時計算機（AT＆T DSP）芯片纔有256K (Byte) 的運存空間，所以這個網絡無法實現運行。 ② 從生物視覺獲得啓發
相關文章
- 1. [027] 深度學習--學習筆記（5）CNN與ResNe的理論基礎
- 2. 深度學習筆記——CNN
- 3. 機器學習深度學習基礎筆記(1)——基礎理論
- 4. 深度學習筆記（5）
- 5. 深度學習與PyTorch筆記5
- 6. 深度學習學習筆記：attention模型理論學習
- 7. 深度學習 - 理論筆記總結
- 8. 《深度學習》-學習筆記-1-機器學習基礎
- 9. 【python】深度學習入門——基於Python的理論與實現（學習筆記）
- 10. 《深度學習入門-基於Python的理論與實現》學習筆記1
- 更多相關文章...
- • 您已經學習了 XML Schema，下一步學習什麼呢？ - XML Schema 教程
- • 我們已經學習了 SQL，下一步學習什麼呢？ - SQL 教程
- • Tomcat學習筆記（史上最全tomcat學習筆記）
- • Kotlin學習（二）基本類型
相關標籤/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
歡迎關注本站公眾號,獲取更多信息
