1
最近的論文密集連接卷積網絡https://arxiv.org/abs/1608.06993表明他們的DenseNet深度學習體系結構超越了最先進的ResNet體系結構。是否有類似的架構類似的論文/存儲庫,但沒有卷積(RNN /密集)?DenseNet沒有卷積?
最近的論文密集連接卷積網絡https://arxiv.org/abs/1608.06993表明他們的DenseNet深度學習體系結構超越了最先進的ResNet體系結構。是否有類似的架構類似的論文/存儲庫,但沒有卷積(RNN /密集)?DenseNet沒有卷積?
號
簡單的答案是,卷積本身允許正規化通過利用數據局部性這是最真實的圖像。這也是實現更深層網絡的關鍵,這對於更深層次的表示至關重要。
另一個重要原因是密度層只是輸入的大小(通常爲224 * 224)會佔用大部分GPU內存,因此今天很少有機會爲這種尺寸的圖像實現密集網絡,或超過幾層深。也許如果你有10倍的GPU RAM,你可以嘗試去掉那個......卷積只是更經濟。