CNN笔记

栏目: 编程工具 · 发布时间: 6年前

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

CNN笔记

  • AlexNet结构

    CNN笔记

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

CNN笔记

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

CNN笔记

CNN笔记

以上便是卷积的定义和解释了,但是这只是 一维连续 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!

查看所有标签

猜你喜欢:

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

深度学习入门

深度学习入门

[ 日] 斋藤康毅 / 陆宇杰 / 人民邮电出版社 / 2018-7 / 59.00元

本书是深度学习真正意义上的入门书,深入浅出地剖析了深度学习的原理和相关技术。书中使用Python3,尽量不依赖外部库或工具,从基本的数学知识出发,带领读者从零创建一个经典的深度学习网络,使读者在此过程中逐步理解深度学习。书中不仅介绍了深度学习和神经网络的概念、特征等基础知识,对误差反向传播法、卷积神经网络等也有深入讲解,此外还介绍了深度学习相关的实用技巧,自动驾驶、图像生成、强化学习等方面的应用,......一起来看看 《深度学习入门》 这本书的介绍吧!

XML、JSON 在线转换
XML、JSON 在线转换

在线XML、JSON转换工具

正则表达式在线测试
正则表达式在线测试

正则表达式在线测试

HEX CMYK 转换工具
HEX CMYK 转换工具

HEX CMYK 互转工具