CNN
来源:互联网 发布:mac os dmg u盘制作 编辑:程序博客网 时间:2024/06/04 18:57
下面粗浅地讲一讲CNN,这一深度学习网络架构的基石之一。
之前查看了很多中英文的讲解CNN的博客资料,发现基本上入门的话都是借助了大量的图形去说明,由于这篇博客不是针对初学者的,主要是给自己一个回顾的作用,因此该博客主要是基于本人自身的理解认知来进行的整体归纳。
卷积神经网络相对于全连接网络最大的特点是具有local receptive fields, shared weights, pooling. 因此本文主要想讲解讲解上述三个内容。
Local Receptive Fields
Local Receptive Fields 某种意义上可以认为就是一个卷积核,每一个卷积核都是一种特征的提取器。
Shared Weights
共享权值是卷积神经网络减少参数的主要方式之一,从input layer到hidden layer, 对于每个卷积核而言,每一个隐藏层的神经元都有(k * k + 1)个参数,其中k * k 是权重参数,同时还有一个bais b。
同时通过理论推到,我们很容易得到卷积之后的卷积长度 H = (W - K + 2P)/S + 1。其中W表示原layer的边长,K表示的是卷积核的大小,P表示的是padding,S表示的是步长stride。
特别的 当S=1时, 设置零填充为 P = (K -1)/ 2 可以保证输入层与输出层有相同的空间分布。
Pooling
池化层一般是跟在卷积层后面的,用于简化卷积的输出结果,或者某种意义上是讲卷积层输出结果进行压缩。
另外,值得注意的是卷积神经网络具有平移不变性。也就是每一层的卷积核都在检测相同的特征,无论这一特征在图片上的哪个位置都会被卷积核扫描到。
以上便是卷积神经网络的基础内容,留做备用。
参考资料
1. Understanding Convolutions(http://colah.github.io/posts/2014-07-Understanding-Convolutions/)
2. Conv Nets: A Modular Perspective (http://colah.github.io/posts/2014-07-Conv-Nets-Modular/)
3. https://zhuanlan.zhihu.com/p/23185164?refer=xiaoleimlnote
4. Convolutional Neural Networks(CNNs/ConvNets)(Best so far) (http://cs231n.github.io/convolutional-networks/)
- CNN
- CNN
- cnn
- CNN
- CNN
- CNN
- CNN
- CNN
- CNN
- CNN
- CNN
- cnn
- CNN
- CNN
- CNN
- CNN
- cnn
- CNN
- 学习笔记8-python-lambda&map
- 理解MySQL——索引与优化
- HDU1074-Doing Homework
- TensorFlow实战:Chapter-7上(RNN简介和RNN在NLP应用)
- 日期转换
- CNN
- Linux服务器tomcat启动很慢
- JavaScript知识点之prototype
- 银联支付流程
- IO(一)
- Largest Rectangle in Histogram leetcode java
- 51单片机教程(从原理开始基于汇编)
- 想创业?从学会需求谈判开始
- log4j 实例