大家好，我是微学AI，今天给大家介绍一下人工智能(pytorch)搭建模型26-基于pytorch搭建胶囊模型(CapsNet)的实践，CapsNet模型结构介绍。CapsNet（Capsule Network）是一种创新的深度学习模型，由计算机科学家Geoffrey Hinton及其团队提出。该模型在图像识别、物体检测、姿态估计等领域展现出显著优势。相较于传统卷积神经网络，CapsNet的核心在

在讲胶囊网络之前，首先我们回顾一下我们熟悉的CNN。 CNN做了什么事情呢? 假设这里有一个卷积核（左图），除了曲线轨迹上的值很大，其他的值都是零，所以这个卷积核对旁边这种曲线（右图）就有很高的输出，也就是说对这种曲线有很高的识别，而对其他的曲线类型输出就低。 所以比如图像分类中，一旦卷积核检测到了类似于眼睛啊、鼻子啊、嘴巴啊这种特征；从数学角度上说就，相关卷积核对鼻子

前言 CapsNet为解决CNN的缺点而生。其实回过头来再想一下神经网络和CNN这一系列的模型，他们放佛一直在强调特征的识别，通过什么样的方法能够更准确高效的识别图像的特征，就像CapsNet一直在强调他们的Net具有方向、大小等属性的识别和内部联系的生成一样。从这里我感觉出一些顶级Paper的魅力和特点所在，那就是从提出的创新点出发，所有的论点围绕创新点，所有的依据站在巨人的肩膀，解决前人没有

Investigating Capsule Networks with Dynamic Routing for Text Classification 发表在EMNLP 2018 文章目录 ModelN-gram convolutional layerprimary capsule layerChild-Parent Relationships Dynamic Routingconv

Capsule 神经网络和胶囊网络区别: 神经网络每个神经元输出的是一个标量，胶囊网络输出是一个向量。 一个神经元检测一种pattern，例如一个神经元检测往左的鸟嘴，一个神经元是检测往右的鸟嘴。 而胶囊是检测某一个种类的pattern。例如鸟嘴。 其中， W 1 , W 2 W^1, W^2 W1,W2是通过训练决定的，而 C 1 , C 2 C_1, C_2 C1​

API 论文地址：Dynamic Routing Between Capsules 开发了一个基于pytorch的胶囊网络工具包，以下是它的API： ### 胶囊化层class Capsulation2D(nn.Module)# input.shape = (batch_size, channels, height, weight)# output.shape = (batch_si