机器学习笔记(四)卷积神经网络CNN
来源:互联网 发布:肯尼迪 知乎 编辑:程序博客网 时间:2024/05/19 00:52
1.前言:
卷积神经网络在计算视觉领域的表现十分出色,与普通的BP神经网络一样,CNN同样由神经元组成。其实卷积神经网络是卷积+神经网络,基本上由三部分组成:卷积层,pooling层,全连接层。
2.CNN:卷积层
卷积是一个信号领域的概念,我们这里提到的卷积是一个图像领域的概念。卷积的操作很是简单就是将一个小矩阵和大矩阵上某一点的邻域(大小与小矩阵相同)的对应位置的加权平均和,将这个和放到新的矩阵去。我们将小矩阵称为卷积核
卷积层实际上是一个特征提取的过程,卷积层由一层可以卷积操作的,卷积核可学习的神经元组成。这些神经元将卷积计算进行完毕之后,将所有的结果放到一起。
比如12个原来的图像是28x28x3,使用5x5x3的神经元,计算后得到了12个结果,这个结果就变成了6x6x12了。
一般来说在卷积层的后边还有一个relu层,用来将卷积后得到的图像结果进行整合,将结果变成线性的。
2.CNN:polling layer:
polling层也叫池化层,其实就是降采样层……,可以是最大值polling,或者是平均值polling
3.CNN:全连接层:
其实就是简单的BP神经网络,和前面介绍的神经网络没有什么区别,最后输出的是分类或者其他的结果。
一般来说,一个卷积神经网络的模型是N个卷积层加池化层,最后接上全连接层。当然不同的层间结构效果不一定会相同。现在比较流行的一些卷积神经网络比如VGGnet,googlenet,resnet,AlexNet都是不同的层间结构。
阅读全文
0 0
- 机器学习笔记(四)卷积神经网络CNN
- 机器学习之卷积神经网络(CNN)
- 卷积神经网络(CNN)学习笔记
- 卷积神经网络(CNN)学习笔记
- 卷积神经网络(CNN)学习笔记
- CNN卷积神经网络学习笔记
- CNN卷积神经网络学习笔记
- 机器学习-->深度学习-->卷积神经网络(CNN)
- 【机器学习】卷积神经网络(CNN)架构解析
- 机器学习算法之卷积神经网络CNN
- 【机器学习】卷积神经网络(CNN)模型结构
- 深度学习(四)CNN卷积神经网络推导和实现
- Deep Learning学习笔记(一):卷积神经网络(CNN)
- Tensorflow深度学习笔记(九)--卷积神经网络(CNN)
- 卷积神经网络(cnn)学习笔记1:入门
- tensorflow学习笔记五:mnist实例--卷积神经网络(CNN)
- 深度学习笔记三-CNN(卷积神经网络)是什么?(续)
- 深度学习笔记(六) cnn 卷积神经网络
- 标准vim配置文件 带注释(适合C++编译)
- 递归查询级联和反递归遍历取id
- Android性能优化之内存
- JavaScript基础之常见的错误
- 杭电 KazaQ's Socks
- 机器学习笔记(四)卷积神经网络CNN
- ROW_NUMBER() 取多条反馈记录中,日期最近的一条数据
- 举例理解C#中的委托
- 1.查看linux下,Qt有是否有通道为关闭
- unity扩展菜单项排序序号
- webstorm注册码
- 网络通信socket连接数问题
- JavaScript学习笔记
- HTML文件中meta标签的使用