关键点:'步长'、'特征信息提取'、'感受野窗口'、'输出矩阵规模'、'计算量'、'数据冗余'。

结论:通过调整步长可以控制特征信息提取的密度,'步长'较小时可以提取更多的特征信息,输出矩阵规模较大;'步长'较大时可以减少计算量和数据冗余,输出矩阵规模较小。

卷积神经网络步长:控制特征提取密度和输出规模

原文地址: https://www.cveoy.top/t/topic/nrQa 著作权归作者所有。请勿转载和采集!

免费AI点我,无需注册和登录