吴恩达深度学习4.11 从1维到3维

作者: prophet__ | 来源:发表于2020-01-20 23:52 被阅读0次

我们对卷积神经网络的固有印象是应用在2维的图像上的，我想一般人很难想象，如何把卷积神经网络应用到1维或者是3维的数据上。

在本节课当中，1维的例子是心电图EKG，当应对的是一个1维的数据的时候，最大的变化就是它的过滤器也会从二维变成1维。

在整个过程当中，通道的数量跟二维使用的是一样的，只不过把前面的过滤器形状从二维变成了一维，也可以提取一维的特征，进行卷积操作。

对于3D的数据，进行卷积化也是一样的操作，也就是把这个过滤器变成三维了罢了。从这个角度来说，卷积神经网络可以应用于任意高于0维的数据上，只要数据与数据之间是一个紧密相关具有特征的关系（类似于这种空间关系），那么卷积神经网络就能从中找到特征，进行我们所需要的操作。

假设我们使用16个过滤器
当我们使用的是1维的数据：
整个过程就是14x1-5x1-10x16
当我们使用的是2维的数据：
整个过程就是14x14x1-5x5x1-10x10x16
当我们使用的是3维的数据：
整个过程就是14x14x14x1-5x5x5x1-10x10x10x16

以此类推

网友评论

本文标题：吴恩达深度学习4.11 从1维到3维

本文链接：https://www.haomeiwen.com/subject/mcvszctx.html

吴恩达深度学习4.11 从1维到3维