mxnet基础到提高(5)-－ 卷积神经网络基础(1)
通过nn.Sequential构造LeNet ,MXNet将自动构造向前函数，按顺序执行添加的LeNet 卷积神经网络是一种特殊的多层神经网络。与几乎所有其他神经网络一样，它们都经过了反向传播算法的训练。它们的不同之处在于体系结构。
卷积神经网络是设计用来直接从像素图像中识别视觉模式的最小预处理。
它们能够识别具有极端可变性的模式(例如手写字符)，并且对扭曲和简单几何变换具有鲁棒性。
from mxnet.gluon import nnnet = nn.Sequential()#创建卷积神经网络net.add(#卷积层+池化层+卷积层+池化层+3个密集层，最后输出的第二维度为10nn.Conv2D(channels=6, kernel_size=5, activation='relu'),nn.MaxPool2D(pool_size=2, strides=2),nn.Conv2D(channels=16, kernel_size=3, activation='relu'),nn.MaxPool2D(pool_size=2, strides=2),nn.Dense(120, activation="relu"),nn.Dense(84, activation="relu"),nn.Dense(10))print(net)Sequential((0): Conv2D(None -> 6, kernel_size=(5, 5), stride=(1, 1))(1): MaxPool2D(size=(2, 2), stride=(2, 2), padding=(0, 0), ceil_mode=False)(2): Conv2D(None -> 16, kernel_size=(3, 3), stride=(1, 1))(3): MaxPool2D(size=(2, 2), stride=(2, 2), padding=(0, 0), ceil_mode=False)(4): Dense(None -> 120, Activation(relu))(5): Dense(None -> 84, Activation(relu))(6): Dense(None -> 10, linear))net.initialize()#x shape:(batch_size, color_channels, height, width)x = nd.random.uniform(shape=(4,1,28,28))y = net(x)print(y.shape)print(net[0].weight.data().shape, net[5].bias.data().shape)
Sequential((0): Conv2D(None -> 6, kernel_size=(5, 5), stride=(1, 1))(1): MaxPool2D(size=(2, 2), stride=(2, 2), padding=(0, 0), ceil_mode=False)(2): Conv2D(None -> 16, kernel_size=(3, 3), stride=(1, 1))(3): MaxPool2D(size=(2, 2), stride=(2, 2), padding=(0, 0), ceil_mode=False)(4): Dense(None -> 120, Activation(relu))(5): Dense(None -> 84, Activation(relu))(6): Dense(None -> 10, linear)
)
(4, 10)
(6, 1, 5, 5) (84,)
mxnet基础到提高(5)-－ 卷积神经网络基础(1)相关推荐
- mxnet基础到提高(7)--卷积神经网络基础(2)
构造具有灵活正向函数的网络 创建nn.Block一个子类和实现两种方法: from mxnet import nd from mxnet.gluon import nn class MixMLP(nn ...
- 计算机视觉——卷积神经网络基础
计算机视觉--卷积神经网络基础 文章目录 计算机视觉--卷积神经网络基础 一.计算机视觉的发展历程 二.卷积神经网络 卷积(Convolution) 卷积计算 填充(padding) 步幅(strid ...
- 计算机视觉：卷积神经网络基础
计算机视觉:卷积神经网络基础 计算机视觉概述 计算机视觉的发展历程 卷积神经网络 卷积(Convolution) 卷积计算 填充(padding) 步幅(stride) 感受野(Receptive F ...
- 研究生新生培训第二周：卷积神经网络基础
part 1:视频学习 学习内容专知课程<卷积神经网络基础>,主要内容包括CNN基本结构和典型的神经网络结构 一.卷积神经网络基本结构 1.卷积层 卷积层中定义的基本概念: 卷积神经网络的 ...
- 深度学习笔记 第四门课 卷积神经网络 第一周 卷积神经网络基础
本文是吴恩达老师的深度学习课程[1]笔记部分. 作者:黄海广[2] 主要编写人员:黄海广.林兴木(第四所有底稿,第五课第一二周,第三周前三节).祝彦森:(第三课所有底稿).贺志尧(第五课第三周底稿). ...
- CNN卷积神经网络基础
转自:http://www.sohu.com/a/138403426_470008 卷积神经网络基础 神经网络 先借用 CNTK 的一个例子,来看看如何使用神经网络来进行分类.如果想根据一个人的年龄和 ...
- 温州大学《深度学习》课程课件（七、卷积神经网络基础）
这学期我上的另一门课是本科生的<深度学习>,主要用的是吴恩达老师的<深度学习>视频课的内容. 使用教材:吴恩达<深度学习>课程笔记 课外参考书:<深度学习&g ...
- 动手学深度学习(PyTorch实现)(六)--卷积神经网络基础
卷积神经网络基础 1. 二维卷积层 1.1 二维互相关运算 1.2 互相关运算与卷积运算 1.3 特征图与感受野 2. 填充与步幅 2.1 填充 2.2 步幅 3. 多通道 3.1 多输入通道 3.2 ...
- pytorch卷积神经网络_知识干货-动手学深度学习(pytorch)-06 卷积神经网络基础
卷积神经网络基础 本节我们介绍卷积神经网络的基础概念,主要是卷积层和池化层,并解释填充.步幅.输入通道和输出通道的含义. 二维卷积层 本节介绍的是最常见的二维卷积层,常用于处理图像数据. 二维互相关运 ...
- 【AI Studio】飞桨图像分类零基础训练营 - 03 - 卷积神经网络基础
前言:第三天,老师结合ppt文图详细讲解了线性和卷积网络的构建,由简单到复杂的讲解卷积网络的发展.最后结合几个项目加深理解.愈发感觉老师讲的好了.第二天的课听完后还感觉自己什么都懂了,结果轮到自己动手 ...
最新文章
- 安装和使用git遇到的问题总结
- php生成pdf乱码_php+tcpdf生成pdf: 中文乱码
- git merge 冲突_更新了！深入浅出图解Git，入门到精通（保姆级教程）第三篇
- 一种快速的公交专用车道检测方法
- 人工玻璃体与交联反应调研
- java http 压缩_解压HTTP API的GZIP压缩数据
- java instance变量_java 类方法和实例方法 以及 类变量和实例变量
- MySQL自动备份及灾难恢复
- php 动态参数,PHP 动态配置运行时环境参数ini_xxx,extension_loaded
- 【转】计算机视觉简介
- SLAM_kitti数据集求相机cam2到IMU的变换矩阵
- MATLAB遗传算法调试
- 小学计算机教案设计ppt,小学信息技术制作幻灯片的教案
- Sreng——分析系统状况的好工具
- docker快速搭建http服务器
- 面试题53：vue数据的双向绑定原理（如何实现vue的双向绑定）
- python求小于n的最大素数_小于或等于n的素数
- 基于python学生档案管理系统的设计与实现.rar（毕业论文+程序源码+答辩PPT）
- 谷粒学院day9关于章节小节修改后无法添加的bug记录
- Win10笔记本WIFI的标志突然变成了一个地球的解决方案（二）