第三中文网

第38章 闭关两天（第2页）

李月出来后在尹霜霜脸上捏了一把，“我这不是还没拿下他嘛，伱才是我真爱。”

-----------------

齐凡一觉醒来时，已是下午一点。

他手机上有不少未读消息。

有许阳发来的，问他怎么今天没去实验楼。

齐凡随便找了个借口，“身体不舒服，请两天假。”

还有李月发来的，为了不被这姐们打扰，齐凡都没回消息，他甚至连李月发来的照片都没点开。

（）;（）　　齐凡下床随意洗漱了下，然后点了份外卖，随即就打开了王哲的电脑。

出乎齐凡意料的是，贾震的笔记本竟然留在了宿舍，而且还是开机已登录状态。

贾震这小子什么时候这么识趣，这倒让齐凡好生惊讶。

齐凡审视起脑海中的XCNN模型，这是一个庞大的模型库，其中包含了很多的子模型。

保守起见，齐凡选了个复杂度最小的模型--XCNN_tiny_tiny。

两个tiny，表明这个模型是小到不能再小的。

XCNN_tiny_tiny，齐凡将其简称为XCNN_DT模型，DT是doubletiny的缩写。

XCNN_DT接受RGB三通道彩色图像信息作为输入，最大分辨率支持220x220x3，也就是最大支持处理220*220分辨率的彩色图像。

包含5个卷积层和3个全连接层。

卷积层Con1：使用92个核对220×220×3的输入图像进行滤波，卷积核大小为11×11×3，步长为4。

之后获得一对54×54×46的特征图分别放入ReLU激活函数，生成激活特征。

再对激活后的特征进行最大值池化，size为3×3，stride为2，池化后获得一对27×27×46的特征图。

卷积层Con2：使用卷积层Con1的输出作为输入，并使用128个卷积核进行滤波，核大小为4×4×46。

卷积层Con3：使用卷积层Con2的输出作为输入，并使用256个卷积核进行滤波，核大小为3×3×128。

卷积层Con4：使用卷积层Con3的输出作为输入，并使用256个卷积核进行滤波，核大小为3×3×256。

卷积层Con5：依旧是采用256个核，核大小为3×3×256。

卷积层Con5与Con3、Con4层相比多了个池化，池化核size同样为3×3，stride为2。

卷积层Con3、Con4、Con5直接连接，中间没有接入池化层。

五层卷积层之后，跟着的是三层全连接层。

全连接层分成两组，分别对卷积层传来的一对特征值进行处理。

卷积核size自然就是3×3×256。

两层全连接处理后，最后将一对特征值的处理结果汇聚到一处，经过最后一层N维的softmax，获得最终的分类。

这套模型的牛叉在于，完全发挥了神经网络自学习的特点，人为干预极少。

（）;（）　　只需将最终期望的预测结果种类告诉模型即可。

如果是打算预测数字，那最后的softmax输出维度N既是10，因为数字总共有10个。

同理，如果打算预测的是英文字母，那N就是26，因为英文字母是26个。

标点符号也是同理。

如果要同时预测数字、英文、标点，那就把三者的所有分类加起来即可，10+26+标点种类=最终输出维度N。

齐凡将脑海中的模型用代码表现出来。