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。
解密硅谷
[美]米歇尔 E. 梅西纳（Michelle E. Messina）、乔纳森 C. 贝尔（Jonathan C. Baer） / 李俊、李雪 / 机械工业出版社 / 2018-12 / 50.00
《解密硅谷》由身处硅谷最中心的连续创业者米歇尔·梅西纳和资深的投资人乔纳森·贝尔联合撰写，二人如庖丁解牛一般为读者深入剖析硅谷成功的原因：从硅谷的创新机制、创业生态、投资领域的潜规则、秘而不宣的价值观等角度，让阅读本书的人能够在最短的时间内，拥有像硅谷人一样的商业头脑，从而快速发现机遇，顺利地躲过创业的坑，熬过创业生死挑战中的劫数，带领初创公司顺利地活下去，并实现快速增长。 如果初创公司能够......一起来看看 《解密硅谷》 这本书的介绍吧!
