我不明白其中的一部分（quora：ConvNet 的最后一层如何连接到第一个全连接层）：
制作特征图的一个热门表示。所以我们将有 64 * 7 * 7 = 3136 个输入特征，这些特征再次由 3136 个神经元处理，将其减少到 1024 个特征。该层的矩阵乘法为 (1x3136) * (3136x1024) => 1x1024
我的意思是，使用 3136 个神经元将 3136 个输入减少到 1024 个特征的过程是什么？
问问题
99 次
2 回答
0
我会用外行的术语来解释我是如何理解的。
特征图的一个热门表示是使用 1 和 0 用矩阵表示分类值的一种方式。这是机器读取/处理数据（在您的示例中为图像或图片）的一种方式。然后 ig 使用矩阵代数进行计算。
现在计算的部分是 1 行和 3136 列的二进制值（1 或 0）与另一个大小为 3136 行和 1024 列的矩阵相乘。当您将这两个矩阵相乘时，生成的矩阵为 1 行 1024 列。现在这是代表您的图像或图片的 1 和 0 矩阵。
于 2018-04-24T01:24:01.203 回答
0
希望我的问题是正确的。
您需要了解矩阵乘法。(1x3136) * (3136x1024) 是矩阵乘法的一个示例，第一个乘法器的 ((1x3136)) 列号必须等于第二个乘法器的 (3136x1024) 行号。这导致 (1x1024) 因为第一个乘数的行成为结果的行，而第二个乘数的列成为结果的列。
另外，请检查：
于 2018-04-24T02:30:13.790 回答