我的Densenet笔记

两个基本块

   dense_block【宽高不变，通道数改变】:一个遍历block块（以121为例，传来blocks块[6,12,24,16]）

                        进入conv_block结构，其中生长率为32，每个稠密层输出的特征维度是32

                                   BN（标准化）+relu（激活函数）+Conv2D（1*1降维）+BN+relu+Conv_2D（3*3特征提取）

                                   Concatenate（）输入层与输出层连接

                                   返回连接层

  transition_block[不改变通道数，改变特征层宽高]：

                     BN+relu+Conv2D(1*1)+AverPooling(2*2)

 

基本结构   

Densenet

                  Conv2D+BN+relu+maxPooling------>dense_block(block0)+transition------>dense_block(block1)+transition------>dense_block(block2)+transition------>dense_block(block3)------>BN+relu+AverPooling+dense

 

注：

BN的作用：加速训练平稳收敛。

                   计算出当前batch的每个channel的均值mean，计算出当前batch的每个channel的方差variance，令输入减去均值再除以标准差delta，得到normalized输出x-hat，最后乘以scale参数gamma，加上shift参数beta，得到最终变换后的输出y。

 

                                

标签：dense,BN,transition,relu,笔记,Densenet,Conv2D,block
来源： https://www.cnblogs.com/lxwen/p/12769360.html