繁体 English 中英

在CNN中删除具有％100稀疏性的图层是否有意义-VGG 16

[英]Is it meaningful to remove layers with %100 sparsity in a CNN - VGG 16

原文 2017-11-15 01:42:46 9 0 neural-network/ deep-learning/ conv-neural-network/ autoencoder/ vgg-net

我正在使用VGG-16作为特征提取来训练自动编码器。 每当我检查块的稀疏性（参数数量等于零/总参数）时，我注意到块5（VGG-16最深的块）具有％100稀疏性。 因为这是VGG架构最耗时的模块，所以我想尽可能删除它。

那么，删除所有具有100％稀疏性的CNN层以提高性能是有意义的吗？

[英]CNN (VGG-16) strange behaviour on validation accuracy

[英]Sequential network with the VGG layers

[英]keras vgg 16 shape error

[英]Counting CNN layers

[英]difference between cnn and vgg model in neural network

[英]Receptive field size of VGG16

[英]dimension problem using VGG16 architecture

[英]Keras VGG16 fine tuning

[英]Partially connect convolution layers in CNN

[英]How to arrange different layers in CNN

暂无

声明:本站的技术帖子网页，遵循CC BY-SA 4.0协议，如果您需要转载，请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.

相关问题 CNN (VGG-16) 验证准确率的奇怪行为具有 VGG 层的顺序网络 keras vgg 16形状错误计算 CNN 层数神经网络中cnn和vgg模型之间的差异 VGG16的接收场大小使用 VGG16 架构的维度问题 Keras VGG16微调在CNN中部分连接卷积层如何在CNN中安排不同的图层

相关标签