Skip to content
体验新版
项目
组织
正在加载...
登录
切换导航
打开侧边栏
PaddlePaddle
book
提交
abfa3f9c
B
book
项目概览
PaddlePaddle
/
book
通知
16
Star
4
Fork
0
代码
文件
提交
分支
Tags
贡献者
分支图
Diff
Issue
40
列表
看板
标记
里程碑
合并请求
37
Wiki
5
Wiki
分析
仓库
DevOps
项目成员
Pages
B
book
项目概览
项目概览
详情
发布
仓库
仓库
文件
提交
分支
标签
贡献者
分支图
比较
Issue
40
Issue
40
列表
看板
标记
里程碑
合并请求
37
合并请求
37
Pages
分析
分析
仓库分析
DevOps
Wiki
5
Wiki
成员
成员
收起侧边栏
关闭侧边栏
动态
分支图
创建新Issue
提交
Issue看板
体验新版 GitCode,发现更多精彩内容 >>
提交
abfa3f9c
编写于
3月 08, 2017
作者:
D
dangqingqing
浏览文件
操作
浏览文件
下载
电子邮件补丁
差异文件
shrink image
上级
bb435b7b
变更
4
隐藏空白更改
内联
并排
Showing
4 changed file
with
4 addition
and
4 deletion
+4
-4
recognize_digits/README.en.md
recognize_digits/README.en.md
+1
-1
recognize_digits/README.md
recognize_digits/README.md
+1
-1
recognize_digits/index.en.html
recognize_digits/index.en.html
+1
-1
recognize_digits/index.html
recognize_digits/index.html
+1
-1
未找到文件。
recognize_digits/README.en.md
浏览文件 @
abfa3f9c
...
...
@@ -70,7 +70,7 @@ Fig. 3. Multilayer Perceptron network architecture<br/>
#### Convolutional Layer
<p
align=
"center"
>
<img
src=
"image/conv_layer.png"
width=
'
6
50'
><br/>
<img
src=
"image/conv_layer.png"
width=
'
7
50'
><br/>
Fig. 4. Convolutional layer
<br/>
</p>
...
...
recognize_digits/README.md
浏览文件 @
abfa3f9c
...
...
@@ -79,7 +79,7 @@ Softmax回归模型采用了最简单的两层神经网络,即只有输入层
卷积层是卷积神经网络的核心基石。在图像识别里我们提到的卷积是二维卷积,即离散二维滤波器(也称作卷积核)与二维图像做卷积操作,简单的讲是二维滤波器滑动到二维图像上所有位置,并在每个位置上与该像素点及其领域像素点做内积。卷积操作被广泛应用与图像处理领域,不同卷积核可以提取不同的特征,例如边沿、线性、角等特征。在深层卷积神经网络中,通过卷积操作可以提取出图像低级到复杂的特征。
<p
align=
"center"
>
<img
src=
"image/conv_layer.png"
width=
'
6
50'
><br/>
<img
src=
"image/conv_layer.png"
width=
'
7
50'
><br/>
图5. 卷积层图片
<br/>
</p>
...
...
recognize_digits/index.en.html
浏览文件 @
abfa3f9c
...
...
@@ -112,7 +112,7 @@ Fig. 3. Multilayer Perceptron network architecture<br/>
#### Convolutional Layer
<p
align=
"center"
>
<img
src=
"image/conv_layer.png"
width=
'
6
50'
><br/>
<img
src=
"image/conv_layer.png"
width=
'
7
50'
><br/>
Fig. 4. Convolutional layer
<br/>
</p>
...
...
recognize_digits/index.html
浏览文件 @
abfa3f9c
...
...
@@ -121,7 +121,7 @@ Softmax回归模型采用了最简单的两层神经网络,即只有输入层
卷积层是卷积神经网络的核心基石。在图像识别里我们提到的卷积是二维卷积,即离散二维滤波器(也称作卷积核)与二维图像做卷积操作,简单的讲是二维滤波器滑动到二维图像上所有位置,并在每个位置上与该像素点及其领域像素点做内积。卷积操作被广泛应用与图像处理领域,不同卷积核可以提取不同的特征,例如边沿、线性、角等特征。在深层卷积神经网络中,通过卷积操作可以提取出图像低级到复杂的特征。
<p
align=
"center"
>
<img
src=
"image/conv_layer.png"
width=
'
6
50'
><br/>
<img
src=
"image/conv_layer.png"
width=
'
7
50'
><br/>
图5. 卷积层图片
<br/>
</p>
...
...
编辑
预览
Markdown
is supported
0%
请重试
或
添加新附件
.
添加附件
取消
You are about to add
0
people
to the discussion. Proceed with caution.
先完成此消息的编辑!
取消
想要评论请
注册
或
登录