英文字典中文字典


英文字典中文字典51ZiDian.com



中文字典辞典   英文字典 a   b   c   d   e   f   g   h   i   j   k   l   m   n   o   p   q   r   s   t   u   v   w   x   y   z       







请输入英文单字，中文词皆可：


请选择你想看的字典辞典：
单词字典翻译
carbonarius查看　carbonarius　在百度字典中的解释百度英翻中〔查看〕
carbonarius查看　carbonarius　在Google字典中的解释Google英翻中〔查看〕
carbonarius查看　carbonarius　在Yahoo字典中的解释Yahoo英翻中〔查看〕

安装中文字典英文字典查询工具!


中文字典英文字典工具:
选择颜色:
输入中英文单字

































































英文字典中文字典相关资料:


  • CNN基础知识——卷积（Convolution）、填充（Padding . . .
    卷积神经网络 （convolutional neural network，CNN）是指至少在网络的一层中 使用卷积运算来代替一般的矩阵乘法运算 的神经网络，因此命名为卷积神经网络。 那什么是卷积运算啊？ 接下来我们一起来揭开它神秘的面纱。 【卷积（Convolution）】 我们以灰度图像为例进行讲解：从一个小小的权重矩阵，也就是 卷积核 （kernel）开始，让它逐步在二维输入数据上“扫描”。 卷积核“滑动”的同时，计算权重矩阵和扫描所得的数据矩阵的乘积，然后把结果汇总成一个输出像素。
  • 卷积过程详细讲解_卷积运算-CSDN博客
    本文详细介绍了卷积神经网络中的卷积操作，包括单通道和多通道卷积的计算过程，强调了通道数量匹配的重要性。 还讨论了填充（padding）的作用，如何保持输入和输出尺寸的一致性，并解释了步幅（stride）对输出尺寸的影响。
  • 深度学习基础入门篇9. 1：卷积之标准卷积：卷积核 特征图 卷 . . .
    卷积是深度学习图像处理核心技术，解决全连接网络空间信息丢失和过拟合问题。 介绍卷积核、特征图、计算方式，阐述填充、步长、感受野等概念，分析多输入输出通道及批量操作，说明卷积优势，还给出边界检测、物体边缘检测和图像均值模糊等应用案例。
  • 完整教程：卷积层（Convolutional Layer）学习笔记 . . .
    一、卷积层的核心原理 1 什么是卷积操作？ 卷积操作是通过卷积核（Kernel Filter） 在输入数据上滑动，对每个局部区域进行元素相乘再求和的运算，最终生成特征图（Feature Map） 的过程。
  • 卷积操作原理 — AI System
    本节将首先介绍卷积在数学范畴中的定义，通过信号处理领域的一个例子对卷积的过程进行阐释。 之后为大家介绍 CNN 中卷积计算的相关知识。 在了解卷积计算的基础之上，本节会继续为大家介绍卷积在内存中的数据格式以及张量中的卷积计算过程。
  • [机器学习|理论 实践] 深度学习架构详解：卷积神经网络 . . .
    2 卷积神经网络结构详解 卷积神经网络（CNN）的结构是其成功应用于图像处理和计算机视觉领域的关键。在这一部分，我们将深入研究CNN的各个组成部分，包括卷积层、池化层和全连接层。
  • 深度解析AI卷积原理CNN计算及Tensor实现-开发者社区-阿里云
    本文旨在系统性阐述作为神经网络核心的卷积操作原理。 内容从数学定义与物理意义出发，深入讲解其在神经网络中的计算过程、关键参数与内存布局，为开发者理解、设计与优化AI模型奠定坚实基础。
  • CNN卷积操作阐述
    卷积神经网络 (neural network) (CNN)通过使用一种称为 卷积 的特殊操作作为其主要构件来解决此问题。 此操作使网络能够识别和检测输入中的局部模式，从而维持空间层级。 卷积操作的中心是 滤波器，也称为 核。 可以将滤波器视为一个小的、可学习的权重 (weight)矩阵。 它的作用是扫描输入数据并识别特定的特征或模式。 例如，在图像中，一个滤波器可以学会检测垂直边缘，另一个可以检测水平边缘，还有一个可能对特定的纹理或颜色梯度有强烈反应。 滤波器在空间上通常较小（例如 3x3、5x5 像素），但会延伸到输入体量的完整深度。 如果输入是彩色图像（具有红、绿、蓝通道），则滤波器的深度也将为 3。 卷积操作包含系统地将滤波器在输入数据（例如图像或来自前一层的特征图）上滑动。
  • 卷积（Convolution） — PaddleEdu documentation
    为了解决上述问题，引入卷积（Convolution）来对输入的图像进行特征提取。 卷积的计算范围是在像素点的空间邻域内进行的，因此可以利用输入图像的空间信息；此外，由于卷积具有局部连接、权重共享等特性，卷积核参数的数目也远小于全连接层。
  • CNN卷积计算公式
    卷积操作是CNN中最基本的组成部分，它通过对输入数据和滤波器进行点积运算来提取特征。 了解卷积的计算公式及其具体步骤对于深入理解CNN的工作原理至关重要。 希望本文档能够帮助读者更好地掌握这一重要概念。 请注意，上述文档基于二维卷积进行了说明。 在实际应用中，还可能涉及一维卷积（如时间序列分析）和三维卷积（如视频处理）等变体，但其基本原理和计算方法类似。





中文字典-英文字典  2005-2009