《表2 卷积核大小对模型训练及性能的影响》
提示：宽带有限、当前游客访问压缩模式
为测试卷积核的大小对模型的影响，将卷积核分别设置为9、5、3进行测试；其他参数分别为3层卷积，学习批次大小64，学习率0.001，结果见表2。
| 图表编号 | XD0094805900 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.07.25 |
| 作者 | 王新 |
| 绘制单位 | 中国农业科学院农业信息研究所 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表2 不同卷积核大小对比》2020.09.01
- 《表1 U-Net网络各层卷积核大小及通道数》2020.09.01
- 《表2 不同数据集下模型使用不同尺寸卷积核训练精度%》2020.10.20
- 《表3 不同卷积核大小下模型的效果》2020.12.01
- 《表5 卷积核大小对诊断结果的影响》2020.06.25
- 《表4 卷积核大小对分割效果的影响》2020.08.01
- 《表2 C1层卷积核大小为5×5、9个特征图时，C3层不同的卷积核大小和特征图个数对应的MSE》2020.03.25
- 《表1 不同卷积核大小的模型预测实验结果》2020.08.25
- 《表3 模型指标随卷积核大小的变化》2020.09.20
- 《表2 不同大小的卷积核对比实验结果(%)》2020.04.01
- 《表2 不同卷积核的模型性能》2020.02.15
- 《表4 卷积核大小对实验结果的影响》2020.01.30
- 《表1 卷积核尺寸大小对评价指标的影响》2019.11.15
- 《表1 DV-CNN不同阶段卷积核数量及大小设置》2019.09.16
- 《表1 不同通道的CCB中卷积核的大小》2019.09.01
- 《表1 卷积核尺寸对模型的训练、测试影响对比》2019.09.01
- 《表4 卷积核大小对分类准确率的影响》2019.07.20
- 《表1 不同大小的卷积核性能对比Tab.1 Performance comparison of different convolutional kernel sizes》2018.05.15
- 《表2 不同大小卷积核识别率》2018.05.15
- 《表5 C3层卷积核个数对训练时间的影响Tab.5 Effect of convolution kernel number in C3 layer on training time》2018.05.01