深度學(xué)習(xí)中的卷積層怎么做，有什么作用

那么可以兩個設(shè)備同時并行。如果cpu也支持，前提是顯卡需要支持opencl技術(shù)可以使用opencl編寫gpu平臺kernel代碼并行加速計算量

卷積神經(jīng)網(wǎng)絡(luò)卷積的目的是什么?深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)的是什么?

卷積的目的是提取特征，學(xué)習(xí)特征，深度學(xué)習(xí)的模型很多，比如RNN,CNN,ResNet,DenceNet等等，各種模型的功能也不同，主要應(yīng)用在圖像分類，目標(biāo)識別，自然語言處理，預(yù)測等。

卷積神經(jīng)網(wǎng)絡(luò)中用1*1 卷積有什么作用或者好處

1*1卷積的主要作用有以下幾點(diǎn)： 1、降維（ dimension reductionality ）。比如，一張500 * 500且厚度depth為100 的圖片在20個filter上做1*1的卷積，那么結(jié)果的大小為500*500*20。 2、加入非線性。卷積層之后經(jīng)過激勵層，1*1的卷積在前一層的學(xué)習(xí)表示上添加了非線性激勵（ non-linear activation ），提升網(wǎng)絡(luò)的表達(dá)能力；