内容简介：卷积神经网络（Convolutional Nerural Networks, 简称CNN或者ConvNet）。一般典型的CNN神经网络都具有如下的层次结构，从输入数据的开始，经历卷积层、线性整流层、池化层、全连接层到最后的损失函数层，最后就是数据的输出。
卷积神经网络（Convolutional Nerural Networks, 简称CNN或者ConvNet）。
结构
一般典型的CNN神经网络都具有如下的层次结构，从输入数据的开始，经历卷积层、线性整流层、池化层、全连接层到最后的损失函数层，最后就是数据的输出。
- LeNet-5结构
-
AlexNet结构
卷积层Convolutional layer
卷积层这一层结构主要是与卷积有关的，要理解卷积层，就需要弄明白卷积是什么和卷积的作用是什么这个两个问题
卷积是什么
卷积是泛函分析中的一种数学算子，通过两个函数f和g生成第三个函数，用于表征函数f与g经过反转和平移的重叠部分的面积。看看简单的定义式
理解的关键需要抓住定义中反转、平移、重叠和面积这四个关键词。
图解其运算过程
以上便是卷积的定义和解释了，但是这只是 一维 的 连续 的信号（函数f和g）的卷积的定义和理解，图像信号是二维且离散的，那仍需要理解一番二维的离散卷积。
以上所述就是小编给大家介绍的《CNN笔记》，希望对大家有所帮助，如果大家有任何疑问请给我留言，小编会及时回复大家的。在此也非常感谢大家对 码农网 的支持！
猜你喜欢:
- 【每日笔记】【Go学习笔记】2019-01-04 Codis笔记
- 【每日笔记】【Go学习笔记】2019-01-02 Codis笔记
- 【每日笔记】【Go学习笔记】2019-01-07 Codis笔记
- vue笔记3，计算笔记
- Mysql Java 驱动代码阅读笔记及 JDBC 规范笔记
- 【每日笔记】【Go学习笔记】2019-01-16 go网络编程
本站部分资源来源于网络，本站转载出于传递更多信息之目的，版权归原作者或者来源机构所有，如转载稿涉及版权问题，请联系我们。
高效前端：Web高效编程与优化实践
李银城 著 / 机械工业出版社 / 2018-3-15 / 89.00元
这不是一本单纯讲解前端编程技巧的书，而是一本注重思想提升和内功修炼的书。 全书以问题为导向，精选了前端开发中的34个疑难问题，从分析问题的原因入手，逐步给出解决方案，并分析各种方案的优劣，最后针对每个问题总结出高效编程的最佳实践和各种性能优化的方法。 全书共7章，内容从逻辑上大致可以分为两大类： 第一类，偏向实践，围绕HTML、CSS、JavaScript等传统前端技术，以及PW......一起来看看 《高效前端：Web高效编程与优化实践》 这本书的介绍吧!
