餐饮网站建设目标,做企业网站价格,wordpress视屏站,织梦 更换网站图标CNN 前言一、CNN简介1、简介2、结构 二、CNN简介1、输出层2、卷积层3、池化层4、全连接层5、输出层 前言
1024快乐#xff01;1024快乐#xff01;今天开新坑#xff0c;学点深度学习相关的#xff0c;说下比较火的CNN。
一、CNN简介
1、简介
CNN的全称是Convolutiona… CNN 前言一、CNN简介1、简介2、结构 二、CNN简介1、输出层2、卷积层3、池化层4、全连接层5、输出层 前言
1024快乐1024快乐今天开新坑学点深度学习相关的说下比较火的CNN。
一、CNN简介
1、简介
CNN的全称是Convolutional Neural Networks卷积神经网络。而神经网络是一种模仿生物神经网络动物的中枢神经系统特别是大脑结构和功能的数学模型或计算模型。
2、结构 输入层 - 图片的像素矩阵卷积层 - 提取特征池化层 - 下采样,不会损坏识别结果全连接层 - 分类输出层 - 输出层通常包括SoftMax层用于将网络的输出转化为类别概率分布以进行多类别分类
二、CNN简介
1、输出层 2、卷积层
卷积就是2个函数的叠加应用在图像上则可以理解为拿一个滤镜放在图像上找出图像中的某些特征如下图所示。
从左上角开始依次遍历从左到右从上到下每次移动的步长是1依次移动到矩阵末尾之后结束每次都把Filter和矩阵对应的区域做乘法得出一个新的矩阵。
3、池化层
通过池化层可以进一步缩小最后全连接层中节点的个数从而达到减少整个神经网络参数的目的。使用池化层既可以加快计算速度也可以防止过拟合。 池化层filter的计算不是节点的加权和而是采用最大值或者平均值计算 使用最大值操作的池化层被称之为最大池化层max pooling 使用平均值操作的池化层被称之为平均池化层mean pooling。
4、全连接层
全连接层的作用主要是进行分类。前面通过多层卷积层和池化层得出的特征在全连接层对这些总结好的特征做分类。全连接层就是一个完全连接的神经网络根据权重每个神经元反馈的比重不一样最后通过调整权重和网络得到分类的结果。
5、输出层
SoftMax层在CNN中的需求取决于网络的任务。如果任务是多类别分类那么SoftMax层通常是合适的。但对于其他任务可以根据具体需求选择适当的输出层结构。
