CNN

聊聊池化层中常见的超参数及其选择策略，帮助大家在实际任务中快速上手，调优模型。

随着时下智能时代的发展，机器学习已成为不少专业人士的“必备技能”。尽管如此，可它在实用性上仍然存在一些问题。

CNN是一种深度学习算法，专门设计用于处理和分析视觉信息。受人脑结构和功能的启发，这些网络由多层相互连接的人工神经元组成，可以自动学习识别图像中的模式和特征。

我们已经介绍过很多解析机器学习模型的方法，例如如pdp、LIME和SHAP，但是这些方法都是用在表格数据的，他们能不能用在神经网络模型呢？

本文分析了常见的纹理数据集以及传统CNN在纹理数据集分类上效果不佳的原因。

卷积层输入输出的尺寸关系到底是什么样的？

CNN在图像识别、目标检测和语义分割等多个计算机视觉领域有着广泛的应用。

最近清华大学发表了一篇survey，研究结果或许表明全连接层才是最适合视觉的模型，并将迎来新的AI范式转换！

本文会告诉你为什么dropout在CNN的结构中会渐渐失宠。