logo资料库

CapsuleNetWork：从TensorFlow复现代码理解胶囊网络（DynamicRoutingBetweenCapsul....pptx

发布时间：2022-05-31 发布人：admin 分类：说明书 资料大小：1.33M 资料格式：pptx 举报 版权申诉
第1页 / 共32页
第2页 / 共32页
第3页 / 共32页
第4页 / 共32页
第5页 / 共32页
第6页 / 共32页
第7页 / 共32页
第8页 / 共32页
资料共32页，剩余部分请下载后查看
    Dynamic Routing Between Capsules Qingyi Si(佀庆一)
    CapsNet VS. CNN  CapsNet: a) Conv 1：常规卷积层提取局部特征 b) PrimaryCaps：由卷积过程构成的 capsule版卷积层，计算上等效与常规 卷积层，深层意义上不等，每个 capsule内部的8个feature构成了一个 由意义的整体 c) DigitCaps：全连接层  CNN: 重复卷积、pooling过程，最后 一个或多个fully connect层
    one/ capsule_net __call__():来选择构建哪种layer（CONV,FC） routing()：从上层的capsule的输出得到下层capsule的输入， 并且不断更新胶囊之间的权重系数C_ij, 这里不必根据loss来更新 squash():构造了一个针对向量的非线性激活函数 two/ CAPSULE_LAYER Build_arch():构造整个模型的各个层
    一/CAPSULE_NET CapsNet: 两个卷积层(Conv 1, PrimaryCaps)，一个全连接层(DigitCaps) 而在全连接层(及第二层到第三层之间)用了routing函数
    第一层是一个普通的卷积层，由256个9x9的卷积核，得到了 20x20x256的三维矩阵（步幅为1：28-9+1=20）。 没有padding
    第二层是primary capsules • 调用了CapsLayer()函数,但是没用里面的routing函数(False),而是调 用了普通的conv2d()函数,文件CapLayer.py中的__call__()函数完成 选择调用哪个函数来创建layer 具体如何调用和构建layer后面再解释~
    第二层primaryCapsule 9x9 2x2 32 kernel size conv stride #Channels Input size 20x20x256 non-linearity fun Squashing fun(Eq. 1) 可将PrimaryCaps layer视为 8个并行常规卷积层的叠堆， 并且激活函数用了前面的squash，但是没用routing 从图中可以看出PrimaryCaps层的张量维度为6x6x8x32 （从上一层卷积得到6x6的方形矩阵，卷积核为9x9，步幅为2，故（20-9+1）/2=6） ，32是32个9x9的卷积核在步幅为2的情况下做的卷积，即应得到的张量维度为6x6x32， 而图上还有一个维度（vector的长度）为8.这个8是8个并行常规卷积层的堆叠而成。 routing
    分享到：
    赞 收藏

    相关推荐

    资料库

    人工智能

    共收录2047份资料，累计62个分类，关注成员有19位，主要包括：GNSS,Pico-SIM868-GSM,GPRS,NB-IoT,GPRSHAT,SIM7070GCat-M,GNSSHAT,GSM,NB-IoTHAT,SIM7080GCat-M,R800CGSM,SIM800CGSM,UPSPowerModule(B),UPSPowerModule,Pico-SIM7020C-NB-IoT,SIM7028NB-IoTHAT,SIM7020CNB-IoTHAT,SIM7000XNB-IoTHAT,A7670CCat-1HAT,A7600C1Cat-1,SIM7600X4G&LTECat-1HAT,SIM7600X4GDONGLE用户手册,RM520N-GL5GHAT,RM500Q-GL5GHAT,RM500U-CN5GHAT,SIM820X-M25GforJetsonNano,AudioCardforJetsonNano,SIM7600G-H4GforJetsonNano,OpenNCC-Lite-4G8M,IMX219-77Camera,13.3inche-PaperHAT,10.3inche-PaperHAT(D),10.3inche-PaperHAT,9.7inche-PaperHAT,7.8inche-PaperHAT,6inchHDTouche-PaperHAT,6inchHDe-PaperHAT,6inche-PaperHAT,5.83inche-PaperHAT(C),LCD-Clock-A,0.95inchRGBOLED(A),0.96inchRGBOLEDModule,0.96inchOLEDModule,0.96inchOLED(A),1.27inchRGBOLEDModule,1.3inchOLEDModule(C),1.3inchOLED(A),1.32inchOLEDModule,1.5inchRGBOLEDModule,1.5inchOLEDModule,JETSONORINNX,自然语言处理,搜索引擎,VR,计算广告,深度学习,机器学习

    热门标签

    GNSS Pico-SIM868-GSM GPRS NB-IoT GPRSHAT SIM7070GCat-M GNSSHAT GSM NB-IoTHAT SIM7080GCat-M R800CGSM SIM800CGSM UPSPowerModule(B) UPSPowerModule Pico-SIM7020C-NB-IoT SIM7028NB-IoTHAT SIM7020CNB-IoTHAT SIM7000XNB-IoTHAT A7670CCat-1HAT A7600C1Cat-1 SIM7600X4G&LTECat-1HAT SIM7600X4GDONGLE用户手册 RM520N-GL5GHAT RM500Q-GL5GHAT RM500U-CN5GHAT SIM820X-M25GforJetsonNano AudioCardforJetsonNano SIM7600G-H4GforJetsonNano OpenNCC-Lite-4G8M IMX219-77Camera 13.3inche-PaperHAT 10.3inche-PaperHAT(D) 10.3inche-PaperHAT 9.7inche-PaperHAT 7.8inche-PaperHAT 6inchHDTouche-PaperHAT 6inchHDe-PaperHAT 6inche-PaperHAT 5.83inche-PaperHAT(C) LCD-Clock-A 0.95inchRGBOLED(A) 0.96inchRGBOLEDModule 0.96inchOLEDModule 0.96inchOLED(A) 1.27inchRGBOLEDModule 1.3inchOLEDModule(C) 1.3inchOLED(A) 1.32inchOLEDModule 1.5inchRGBOLEDModule 1.5inchOLEDModule JETSONORINNX 自然语言处理 搜索引擎 VR 计算广告 深度学习 机器学习

    最新资料