⽬录
前⾔
卷积神经⽹络(CNN,有时被称为 ConvNet)是很吸引⼈的。在短时间内,它们变成了⼀种颠覆性的技术,打破了从⽂本、视频到语⾳等多个领域所有最先进的算法,远远超出了其最初在图像处理的应⽤范围。
⼀、卷积神经⽹络(CNN)是什么?
CNN 由许多神经⽹络层组成。卷积和池化这两种不同类型的层通常是交替的。⽹络中每个滤波器的深度从左到右增加。最后通常由⼀个或多个全连接的层组成。 下⾯我将逐层分析,带你简单直观地了解CNN
⼆、CNN的层次结构
贾成炳1.输⼊层
CNN的输⼊层与传统神经⽹络类似
乔榛近况特别的:⽤于图像识别时,输⼊层的输⼊数据应转化为四维数组 2.卷积层
卷积层由输⼊数据(上⼀层的输出经过激活函数后的数据),卷积核组成
其中卷积核相当于⼀个滤波器,即将图像数组中的特征值抽样出来。 如下:卷积核⼤⼩为2*2,则每次抽样2*2个像素点
代码如下:
model.add(Convolution2D(人文主义者
input_shape = (28,28,1),#输⼊平⾯
filters = 32,#卷积核/滤波器个数
kernel_size = 5,#卷积窗⼝⼤⼩
strides = 1,#步长
padding = 'same',#padding⽅式sanme/valid
activation = 'relu'
))清原百事通
3.池化层
池化的作⽤简单来说就是 将图像进⼀步压缩,把特征值进⼀步放⼤。代码如下:
model.add(MaxPooling2D(
朱霞石pool_size = 2,
strides = 2,
padding = 'same'
))#将特征图⼤⼩/2数字温度传感器
参考⽂章: