《表1 测试STL-10和CIFAR-10数据集的网络结构》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《使用无标签数据的主成分初始化方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

在本实验中，使用在文献[14]中已经定义了结构的卷积神经网络.如表1所示，具体结构包括1个输入层（IL）、3个卷积层（C1、C2、C3）、3个池化层（P1、P2、P3）、1个全连接层（FC）和1个输出层（OL）.具体来说，它是一个9层的卷积神经网络.输入层:输入为96×96像素的图像（对于CIFAR-10数据集为32×32）；C1和C2层:32个5×5大小的卷积核；C3层:64个5×5大小的卷积核；P1和P2层:3×3池化；P3层:4×4池化（对于CIFAR-10数据集为3×3池化）；全连接层FC:64个神经元；输出层OL:10个神经元.在该结构中使用的激活函数为修正线性单元（rectified linear unit，ReLU）.实验分为3个部分:仅初始化卷积层C1，仅初始化卷积层C1、C2（卷积层C1和C2缩写为“C1-C2”）以及初始化所有的卷积层C1、C2、C3（卷积层C1、C2和C3缩写为“C1-C2-C3”）.当一个卷积层使用算法1进行初始化时，其余的卷积层全部采用Xavier初始化.此外，全连接层也使用Xavier初始化.