2026 24 3月 卷积神经网络 2026/3/24 04:40:44 CNN特征图的降维方法 怎样在保留关键信息的同时减少计算量 2026-03-24 Chen Fei 1,567 次阅读 本文详细介绍了CNN特征图的降维方法，包括池化操作和主成分分析（PCA）。通过具体的Python示例展示了这些方法的实现过程，分析了它们在图像识别、目标检测等应用场景中的应用。同时，探讨了这些降维方法的优缺点和注意事项，帮助开发者在保留关键信息的同时减少计算量，提高CNN的性能和效率。 CNN Pooling PCA
2026 10 3月 算法与数据结构 2026/3/10 03:22:30 向量数据库的向量降维技术 利用PCA与t-SNE减少高维向量的计算成本 2026-03-10 Zhao Min 631 次阅读 本文介绍了向量降维技术中利用 PCA 与 t - SNE 减少高维向量计算成本的方法。详细讲解了 PCA 和 t - SNE 的原理、示例，以及它们在图像识别、文本分析、推荐系统等场景的应用。分析了两种技术的优缺点和使用时的注意事项，帮助开发者更好地理解和运用这些技术。 Computational Cost Vector Dimensionality Reduction PCA t - SNE High - dimensional Vectors