【Deep Learning笔记】卷积神经网络必须要掌握的知识（看不懂你来打我）
文章目录
- 滤波器（Filters）
- 卷积神经网络（CNN）
- 池化（Pooling）
- 填充（Padding）
- 数据增强（Data Augmentation）
滤波器（Filters）
CNN中的滤波器与加权矩阵一样，它与输入图像的一部分相乘以产生一个回旋输出。我们假设有一个大小为28 * 28的图像，我们随机分配一个大小为3 * 3的滤波器，然后与图像不同的3 * 3部分相乘，形成所谓的卷积输出。滤波器尺寸通常小于原始图像尺寸。在成本最小化的反向传播期间，滤波器值被更新为重量值。
参考一下下图，这里filter是一个3 * 3矩阵：
与图像的每个3 * 3部分相乘以形成卷积特征。
卷积神经网络（CNN）
卷积神经网络基本上应用于图像数据。假设我们有一个输入的大小（28 * 28 * 3），如果我们使用正常的神经网络，将有2352（28 * 28 * 3）参数。并且随着图像的大小增加参数的数量变得非常大。我们“卷积”图像以减少参数数量（如上面滤波器定义所示）。当我们将滤波器滑动到输入体积的宽度和高度时，将产生一个二维激活图，给出该滤波器在每个位置的输出。我们将沿深度尺寸堆叠这些激活图，并产生输出量。
你可以看到下面的图，以获得更清晰的印象。
池化（Pooling）
通常在卷积层之间定期引入池层。这基本上是为了减少一些参数，并防止过度拟合。最常见的池化类型是使用MAX操作的滤波器尺寸（2,2）的池层。它会做的是，它将占用原始图像的每个4 * 4矩阵的最大值。
你还可以使用其他操作（如平均池）进行池化，但是最大池数量在实践中表现更好。
填充（Padding）
填充是指在图像之间添加额外的零层，以使输出图像的大小与输入相同。这被称为相同的填充
在应用滤波器之后，在相同填充的情况下，卷积层具有等于实际图像的大小。
有效填充是指将图像保持为具有实际或“有效”的图像的所有像素。在这种情况下，在应用滤波器之后，输出的长度和宽度的大小在每个卷积层处不断减小。
数据增强（Data Augmentation）
数据增强是指从给定数据导出的新数据的添加，这可能被证明对预测有益。例如，如果你使光线变亮，可能更容易在较暗的图像中看到猫，或者例如，数字识别中的9可能会稍微倾斜或旋转。在这种情况下，旋转将解决问题并提高我们的模型的准确性。通过旋转或增亮，我们正在提高数据的质量。这被称为数据增强。
【Deep Learning笔记】卷积神经网络必须要掌握的知识（看不懂你来打我）相关推荐
- Deep learning：卷积神经网络之卷积计算、作用与思想
[定义] 参考链接:https://baike.baidu.com/item/%E5%8D%B7%E7%A7%AF/9411006?fr=aladdin 大牛链接:https://www.cnblog ...
- 【Deep Learning笔记】神经网络基础
文章目录 1.神经元(Neuron) 2.权重(Weights) 3.偏差(Bias) 4.激活函数(Activation Function) 1.神经元(Neuron) 就像形成我们大脑基本元素的神 ...
- 【Deep Learning笔记】神经网络的优化解读（看不懂你来打我~！）
文章目录 1 激活函数 1.1 sigmoid 1.2 tanh 1.3 ReLU函数 1.4 ReLU函数的变种 2 Dropout 2.1 原理 2.2 实验 2.3 作者重点分析的一些特点 1 ...
- 《学习geometric deep learning笔记系列》第一篇，Non-Euclidean Structure Data之我见
<学习geometric deep learning笔记系列>第一篇,Non-Euclidean Structure Data之我见 FesianXu at UESTC 前言 本文是笔者在 ...
- Deep learning笔记
Deep learning:一(基础知识_1) 出处:http://www.cnblogs.com/tornadomeet 欢迎转载或分享,但请务必声明文章出处. 前言: 最近打算稍微系统的学习下de ...
- 吴恩达深度学习笔记——卷积神经网络（Convolutional Neural Networks）
深度学习笔记导航 前言 传送门 卷积神经网络(Convolutional Neural Networks) 卷积神经网络基础(Foundations of Convolutional Neural N ...
- 吴恩达Deep learning笔记（一）
Welcome to Deep learning Specialization 介绍了深度学习目前的发展状况以及未来的前景 Introdcution to Deep Learning what'is ...
- 读书笔记-卷积神经网络
文章目录 1. 从全连接层到卷积 1.1 平移不变性 1.2 局部性 2. 图像卷积 2.1 卷积计算图示 2.2 学习卷积核 2.3 小结 3. 填充和步幅 3.1 填充 3.2 填充 - Pyto ...
- 神经网络与机器学习 笔记—卷积神经网络（CNN）
卷积神经网络 之前的一些都是考虑多层感知器算法设计相关的问题,这次是说一个多层感知器结构布局相关的问题.来总结卷积神经网络.对于模式分类非常合适.网络的提出所隐含的思想收到了神经生物学的启发. 第一个 ...
最新文章
- 丰富多彩的Android onTouch事件
- Android 线程池概念及使用
- OpenCV 使用方向梯度直方图估计图像旋转角度
- python调用所有函数_python打印所有函数调用以了解脚本
- 玛塔机器人函数_玛塔创想编程机器人套装包含什么？
- Linux Centos关机命令
- python--从入门到实践--chapter 15 16 17 生成数据/下载数据/web API
- python中扑克牌类设计_Python中的计数 Counter类
- 终于修好了MacBook
- OJ1010: 求圆的周长和面积
- postgresql 并发访问_PostgreSQL并发控制（显式锁定）
- android today上下卡片,在 Android 手机上看天气，你有这些高颜值、无广告的选择...
- No Assembler service found - please make sure that the right jars are in your classpath
- vue项目IE浏览器中打不开，为空白页
- Windows系统设置局域网共享（无密码+有密码）
- python从云端服务器读数据_云服务器简单实现Python自动运维
- 蓝牙认证测试调试记录
- 对计算机财务管理的理解,计算机财务管理.doc
- 静态代码检查-CheckStyle
- 常用传感器讲解八--土壤湿度传感器（XH-M214）