在我正在工作的教程中(下面给出链接),作者将基线神经网络结构概述如下:
卷积输入层,32个特征映射,大小为3×3,使用整流器激活函数和最大规范权重约束设置为3。
什么是 max norm 的权重约束,它对 Conv 层有什么影响?(我们正在使用 Keras。)
卷积输入层,32个特征映射,大小为3×3,使用整流器激活函数和最大规范权重约束设置为3。
model.add(Conv2D(32, (3, 3), input_shape=(3, 32, 32), padding='same', activation='relu', kernel_constraint=maxnorm(3)))
什么是 max norm 的权重约束,它对 Conv 层有什么影响?(我们正在使用 Keras。)
谢谢!
axis = [0, 1, 2]
规范化每个卷积滤波器,因为权重矩阵的[:, : , :, i]
是第 i 个滤波器。仅使用[0, 1]
约束每个平面的滤波器权重,例如在第一层中,R、G 和 B 通道的权重将分别被规范化。 - McLawrencerelu
激活函数一样? - bit_scientist