deep-learning - CNN 池化层与自动编码器中的编码器有何不同?
问题描述
自动编码器用于图像压缩和降维。编码器对图像进行压缩,然后解码器从瓶颈处解压缩图像。在 CNN 中,当我们经过几个层时,其中一个是 Max Pooling 导致压缩,这个池化层与编码器有何不同,因为它们具有相同的功能。
我们可以在自动编码器中使用超过 1 个瓶颈吗?
解决方案
推荐阅读
- python - 通过键在 PySimpleGui 的 Frame 中查找元素
- python - Python GUI 反复调用函数并按下按钮
- bash - 如何使用调用 shell 脚本的目录?
- python - 如何在 tkinter 中证明文本右对齐。?当变量 v=='hai' 机器人的回复想要来自右侧
- microsoft-graph-api - Blazor TokenAcquisition 抛出空引用异常
- amazon-web-services - SES VPC 端点不使用默认服务主机名
- sql - 如何使用 ODBC 连接 toad、SQL developer 和 SSMS?
- c# - 如何格式化/样式///
在 Web API 2 - reactjs - ReactJS:如何杀死`serve -s build`
- julia - 在 Julia 中添加包 - Frozen