Googlenet网络架构

原文链接:[1409.4842v1] Going Deeper with Convolutions (arxiv.org)

图源:深入解读GoogLeNet网络结构(附代码实现)-CSDN博客

表截自原文

以下📒来自博客深入解读GoogLeNet网络结构(附代码实现)-CSDN博客

(这个博主好厉害!写的很详细!)

输入层:224x224x3

卷积层:(conv 7×7+2(S))

kernel size=7×7 stride=2 padding=3 输出通道数64  (padding从哪儿看到的?原文吗?maybe

输出特征图尺寸=(224-7+3*2)/2+1=112.5(向下取整)=112

(为啥是向下取整?)(对应于下面的池化层为啥是向上取整?)

输出特征图维度64@112×112

池化层:

上一层的输出:64@112×112

kernel_size=3*3  stride=2 padding呢?  没说就是 padding=0

输出特征图尺寸 :

64@((112-3+2)/2)=55.5(向上取整)=56

∴输出=64@56*56  相当于   56*56*64

局部响应归一化(不晓得是个啥?

LRN第一次在AlexNet中提出

Conv 1×1+1(V)

卷积网络学习心得:

搞明白输入尺寸多大、操作(kernel size、stride、padding)、输出尺寸多大就可以的

输入:56*56 *64 

操作:64@kernel size=1*1 *64     需要训练的参数量=1*1*64*64=4096(说参数 指的是需要学习的参数(这个比较有趣,吃饭前死活不明白,还发呆走思,吃完饭回来倒是明白了

输出:64@56*56

卷积层conv 3×3+1(S)

输入:56*56*64

操作  192@kernel_size=3*3*64      stride = 1       padding= 1  

输出:192@(56-3+1*2)=192@56*56

然后进行ReLU操作(卷积以后,非线性激活)

参数量=192*3*3*64=110592

LRN

局部响应归一化的输入 操作 输出 是啥?

MAXPool  3×3+2(S)

是不是一般来说,padding不强调就是不填充 padding=valid

输入:192@56*56 (上一层的输出)→56*56*192

操作:192@kernel_size=3*3*192          stride=2           padding=0

输出:192@(56-3+2)/2=27.5 (向上取整)=28  = 192@28*28

Inception(3a)

输入:192@28*28 → 28*28*192

(从左往右数操作)(省略所有卷积操作后的ReLu操作)

操作1:conv 1*1 + 1(S)

输入:28*28*192

操作:

        kernel_size   64@1*1*192    padding=0  stride=1

        参数量=64*1*1*192=12288

输出:64@28*28

汇总:

池化层真的奇怪啊,按理说池化层没有padding,那么输出尺寸一定会减少的

参数量统计:

1*1*192*64=12288

1*1*192*96+3*3*96*128=129024

1*1*192*16+32*5*5*16=15872

1*1*192*32=6144

12288+129024+15872+6144=163328 

163328/1024=159.5K

原博的图也贴过来存档

这句话的理解:对四个部分的输出结果的通道并联

Inception(3b)

上一层的输出:256@28*28 →这一层的输入 :28*28*256

表格的读法:

patch size不懂

stride明白

开始读:

总的输出尺寸:28*28*480,网络的深度是2  (其实给出了 卷积核个数和总的输出尺寸 这个网络是很好读了

  1. 128个1*1的卷积      (输出是  128@28*28
  2. 在3*3的卷积核之前的降维,进行128个1*1的卷积 (输出是128@28*28),对输出的特征图进行192个3*3的卷积  (输出192@28*28
  3. 在进行5*5的卷积核之前的降维,进行32个1*1的卷积(输出是32@28*28),对输出的特征图进行96个5*5的卷积(输出96@28*28
  4. (pool层使用3*3的卷积核,输出28*28*256 why? 哪里看出来?A:get了,pool层有padding和stride 通道数不会变 而且padding=1)进行64个1*1的卷积(输出64@28*28  (由总的输出尺寸倒推这里的28*28

PS。忽然发现尺寸计算的一个东西 (H-W+2P+S)/S不管是填充还是步长,都是在把输出图像变大(蒽,理论上是的,诶,反正我这么理解

Inception(4a)

读inception(4a)

  1. 总的输出尺寸 14*14*512
  2. 进行192个1*1的卷积 输出14*14*192
  3. 使用3*3的卷积核之前的降维,进行96个1*1的卷积,输出14*14*96,进行208个3*3的卷积,输出14*14*208
  4. 使用5*5的卷积核之前的降维,进行16个1*1的卷积,输出14*14*16,进行48个5*5的卷积,输出14*14*48
  5.  (池化是啥样的?),池化之后进行64个1*1的卷积,输出14*14*64
  6. 最后汇聚成512个通道

inception 4a、4b、4c

再看一遍这个图,patch size还是不明白是什么 但是几个inception块应该是理解了

图源:深入解读GoogLeNet网络结构(附代码实现)-CSDN博客

gpt说的 patch size就是kernel size

读第一个池化层

补充计算公式

最后的输出层

DepthConcat的输出是 7*7*1024,也就是AvgPool的输入

这张图不懂。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/735417.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

【顶刊|修正】多区域综合能源系统热网建模及系统运行优化【复现+延伸】

目录 主要内容 部分代码 结果一览 下载链接 主要内容 该程序复现《多区域综合能源系统热网建模及系统运行优化》模型并进一步延伸,基于传热学的基本原理建立了区域热网能量传输通用模型,对热网热损方程线性化实现热网能量流建模&#xff0…

使用docker-compose编排ruoyi项目

目录 一、开始部署 1.拉取ruoyi代码 2.拉取node镜像 3.拉取maven镜像 4.在/root/ruoyi/java下写一个Dockerfile用于后端Java环境 5.拉取MySQL,Redis,Nginx镜像 6.在/root/java目录下写一个nginx.conf 7.在/root/ruoyi目录下写docker-compose.yml文…

Idea导入Maven项目

方法一:使用Maven面板 方法二:在项目结构中设置,在最后一步中选择pom.xml。

js【详解】bind()、call()、apply()( 含手写 bind,手写 call,手写 apply )

必备知识点:js 【详解】函数中的 this 指向_js function this-CSDN博客 https://blog.csdn.net/weixin_41192489/article/details/123093256 bind、call、apply 的相同点 都是Function原型上的方法用途都是改变 this 的指向第一个参数都是新的 this bind、call、app…

前端学习之列表标签

目录 有序列表 结果 无序标签 结果 数据标签 结果 有序列表 &#xff08;注&#xff1a;注释是解释&#xff09; <!DOCTYPE html> <html lang"en"> <head><meta charset"UTF-8"><title>Document</title> </…

SpringBoot实现 PDF 添加水印

方案一&#xff1a;使用 Apache PDFBox 库 ①、依赖 <dependency><groupId>org.apache.pdfbox</groupId><artifactId>pdfbox</artifactId><version>2.0.24</version> </dependency>②、添加水印 public class PdfoxWaterma…

蓝桥集训之日期差值

蓝桥集训之日期差值 模版&#xff1a;判断闰年 总天数 月份天数 #include <iostream>#include <cstring>#include <algorithm>using namespace std;const int months[]{0, 31, 28, 31, 30, 31, 30, 31, 31, 30, 31, 30, 31};int is_leap(int y){if(y % 10…

【JavaEE初阶系列】——计算机是如何工作的

目录 &#x1f388;冯诺依曼体系 ❗外存和内存的概念 ❗CPU中央处理器—人类当今科技领域巅峰之作之一 &#x1f6a9;如何衡量cpu &#x1f6a9;指令&#xff08;Instruction&#xff09; &#x1f388;操作系统&#xff08;Operating System&#xff09; &#x1f388;…

关于GPU显卡的介绍

一.关于英伟达历代产品架构 显卡是一种计算机硬件设备,也被称为显示适配器或图形处理器。目前的硬件部分主要由主板、芯片、存储器、散热器&#xff08;散热片、风扇&#xff09;等部分。显卡的主要芯片是显卡的主要处理单元。显卡上也有和计算机存储器相似的存储器&#xff0…

聊聊.NET中的连接池

在.NET中&#xff0c;连接池被广泛用于管理和优化不同类型资源的连接。连接池可以减少建立和关闭连接所需的时间和资源消耗&#xff0c;从而提高了应用程序的性能和响应能力。 HttpClient中的连接池 System.Net.Http.HttpClient 类用于发送 HTTP 请求以及从 URI 所标识的资源…

安全测试报告-模板内容

1. 概述 为检验XXXX平台 系统的安全性&#xff0c;于 XXXX年 XX 月 XX 日至 XXXX年 XX 月 XX日对目标系统进行了安全测试。在此期间测试人员将使用各 种非破坏性质的攻击手段&#xff0c;对目标系统做深入的探测分析&#xff0c;进而挖掘系统中的安 全漏洞和风险隐患。研发团队…

代码讲解:如何把3D数据转换成旋转的视频?

目录 3D数据集下载 读取binvox文件 使用matplotlib创建图 动画效果 完整代码 3D数据集下载 这里以shapenet数据集为例&#xff0c;可以访问外网的可以去直接申请下载&#xff1b;我也准备了一个备份在百度网盘的数据集&#xff0c;可以参考&#xff1a; ShapeNet简介和下…

Java适配器模式源码剖析及使用场景

文章目录 一、适配器模式介绍二、大白话理解三、 项目案例四、Java源码 一、适配器模式介绍 适配器模式(Adapter Pattern)是一种结构型设计模式,它作用于将一个类的接口转换成客户端所期望的另一种接口,从而使原本由于接口不兼容而无法一起工作的那些类可以在一起工作。它属于…

Vue3中Vue Router的使用区别

在 Vue 3 中&#xff0c;useRouter 和 useRoute 是两个用于 Vue Router 的 Composition API 函数&#xff0c;它们的用途和返回的对象不同&#xff0c;接下来详细了解一下它们的区别以及如何正确使用它们。 useRouter useRouter 用于获取 router 实例&#xff0c;这个实例提供…

macOS14.4安装FFmpeg及编译FFmpeg源码

下载二进制及源码包 二进制 使用brew安装ffmpeg : brew install ffmpeg 成功更新到ffmpeg6.1 下载FFmpeg源码

MIT 6.858 计算机系统安全讲义 2014 秋季(三)

译者&#xff1a;飞龙 协议&#xff1a;CC BY-NC-SA 4.0 SSL/TLS 和 HTTPS **注意&#xff1a;**这些讲座笔记略有修改自 2014 年 6.858 课程网站上发布的笔记。 这节课涉及两个相关主题&#xff1a; 如何在比 Kerberos 更大规模上加密保护网络通信&#xff1f; 技术&#xf…

LVS (Linux Virtual server)集群介绍

一 集群和分布式 &#xff08;一&#xff09;系统性能扩展方式&#xff1a; Scale UP&#xff1a;垂直扩展&#xff0c;向上扩展,增强&#xff0c;性能更强的计算机运行同样的服务 &#xff08;即升级单机的硬件设备&#xff09; Scale Out&#xff1a;水平扩展&#xff0…

Anaconda prompt运行打开jupyter notebook 指令出错解决方案

一、打不开jupyter notebook网页 报错如下&#xff1a; Traceback (most recent call last): File “D:\anaconda3\lib\site-packages\notebook\traittypes.py”, line 235, in _resolve_classes klass self._resolve_string(klass) File “C:\Users\DELL\AppData\Roaming\Py…

单文件组件SFC及Vue CLI脚手架的安装使用

单文件组件SFC及Vue CLI脚手架的安装使用 Vue 单文件组件&#xff08;又名 *.vue 文件&#xff0c;缩写为 SFC&#xff09;是一种特殊的文件格式&#xff0c;它允许将 Vue 组件的模板、逻辑 与 样式封装在单个文件中。 为什么要使用 SFC 使用 SFC 必须使用构建工具&#xff…

Pycharm jupyter server process exited with code 1

Pycharm jupyter server process exited with code 1 1. 问题描述2. 原因和解决方法 1. 问题描述 使用 Pycharm 启动 Jupyter 时&#xff0c;报错如下&#xff0c; jupyter server process exited with code 12. 原因和解决方法 Pycharm 启动 jupyter 时&#xff0c;默认的 …