日月光华深度学习(四)-计算机视觉-卷积神经网络
日月光华深度学习-计算机视觉-卷积神经网络
- 计算机视觉-卷积神经网络
- [4.1]--认识卷积神经网络(一)
- [4.2]--认识卷积神经网络-卷积层和池化层
- [4.3]--卷积神经网络整体架构
- [4.4]--卷积神经网络识别Fashion mnist数据集
- [4.6]--卷积神经网络的优化
计算机视觉-卷积神经网络
这是日月光华深度学习的第四章卷积神经网络部分。前三章没有做笔记觉得效果不好,以后慢慢补上。 4.1-4.3原理部分还是主要看李宏毅的机器学习部分比较好。
[4.1]–认识卷积神经网络(一)
CNN可以解决像素较大图像flatten()
之后参数爆炸的问题。语音处理也可以使用CNN。
上图中每个卷积核有25个可训练参数
下图中每个卷积核有9个可训练参数
[4.2]–认识卷积神经网络-卷积层和池化层
池化层下采样
卷积 池化 采样使得图片减小。
卷积核的大小就是移动小方块的个数
跨度的大小引起生成图像的大小变换跨度为1小方块挨个走,
边缘填充?
还有平均池化等。一般用最大池化。
[4.3]–卷积神经网络整体架构
(1)多个卷积核把图像变厚。彩色图片用RGB色彩模式,直接出来三层。训练多个卷积核。
layers.Conv2D()
中的filter
参数就是卷积核的个数和卷积层的厚度直接相关。
(2)池化将图片变小,像素数减少。
卷积运算:变小变厚。
[4.4]–卷积神经网络识别Fashion mnist数据集
CNN对电脑运算速度要求高。如果电脑没有GPU,可以用Kaggle的Kernels免费提供的GPU进行CNN运算。
test_image = np.expand.dims(test_images, -1)
将原来图片的三个维度增加一个维度。(图片数目、高度像素数、宽度像素数、channel)
分析上图每一层的数据维度变化情况
Dense层连接的是一个二维数据,四维数据不能直接与Dense层连接。二维数据输入Dense层之后用Softmax进行激活,就能输出一个概率值。
model.add(tf.keras.layers.GlobalAveragePooling2D())#可以将四维数据变为二维数据。
全局平均池化,将12*12维度的数值进行平均。
[4.6]–卷积神经网络的优化
由于是0123这种label,所以用上图所示的optimizer
训练过程。
发现出现了过拟合,需要进行优化。
①网络拟合能力有待提高,对训练数据都没有拟合好。
需要增加CNN的层数,提高每一层的额单元数,提高模型拟合能力。
②test和train数据有差异,有过拟合。
添加dropout层,减少过拟合。
优化后的CNN模型。
日月光华深度学习(四)-计算机视觉-卷积神经网络相关推荐
- 深度学习21天——卷积神经网络(CNN):实现mnist手写数字识别(第1天)
目录 一.前期准备 1.1 环境配置 1.2 CPU和GPU 1.2.1 CPU 1.2.2 GPU 1.2.3 CPU和GPU的区别 第一步:设置GPU 1.3 MNIST 手写数字数据集 第二步: ...
- 深度学习(DL)与卷积神经网络(CNN)学习笔记随笔-03-基于Python的LeNet之LR
原地址可以查看更多信息 本文主要参考于:Classifying MNIST digits using Logistic Regression python源代码(GitHub下载 CSDN免费下载) ...
- 深度学习教程(10) | 卷积神经网络解读(吴恩达·完整版)
作者:韩信子@ShowMeAI 教程地址:http://www.showmeai.tech/tutorials/35 本文地址:http://www.showmeai.tech/article-det ...
- 吴恩达.深度学习系列-C4卷积神经网络-W2深度卷积模型案例
吴恩达.深度学习系列-C4卷积神经网络-W2深度卷积模型案例 (本笔记部分内容直接引用redstone的笔记http://redstonewill.com/1240/.原文整理的非常好,引入并添加我自 ...
- 【人工智能】图文详解深度学习中的卷积神经网络(CNN)
[人工智能]图文详解深度学习中的卷积神经网络(CNN) 概念和原理 为什么要使用卷积神经网络? 卷积神经网络简介 卷积神经网络的数学公式 池化操作: 全连接层: 激活函数 卷积神经网络的 C++ 实现 ...
- 深度学习之 10 卷积神经网络2
本文是接着上一篇深度学习之 10 卷积神经网络1_水w的博客-CSDN博客 目录 1 出现原因 2 一般结构框架 (1)一般结构框架:卷积层 --利用卷积核提取特征 卷积核的本质: 总结 特征图可视化 ...
- Python深度学习实例--基于卷积神经网络的小型数据处理(猫狗分类)
Python深度学习实例--基于卷积神经网络的小型数据处理(猫狗分类) 1.卷积神经网络 1.1卷积神经网络简介 1.2卷积运算 1.3 深度学习与小数据问题的相关性 2.下载数据 2.1下载原始数据 ...
- [人工智能-深度学习-24]:卷积神经网络CNN - CS231n解读 - 卷积神经网络基本层级
作者主页(文火冰糖的硅基工坊):文火冰糖(王文兵)的博客_文火冰糖的硅基工坊_CSDN博客 本文网址:[人工智能-深度学习-23]:卷积神经网络CNN - CS231n解读 - 卷积神经网络基本层级_ ...
- 深度学习(DL)与卷积神经网络(CNN)学习笔记随笔-04-基于Python的LeNet之MLP
原文地址可以查看更多信息 本文主要参考于:Multilayer Perceptron python源代码(github下载 CSDN免费下载) 本文主要介绍含有单隐层的MLP的建模及实现.建议在阅读 ...
最新文章
- 工业相机丢帧现象怎么解决?
- xp工作组计算机打不开,XP“网上邻居”、“查看工作组计算机”打不开及无法访问局...
- Linux 分析工具--性能
- VS2010 IDE新特性随笔
- BouncyCastle - Java加密与安全
- [MEGA DEAL]完整的Java捆绑包(96%折扣)
- mysql like 贪婪匹配_mysql模糊查询like与REGEXP的使用详细介绍
- 由已有数组创建新数组:concat()splice()方法
- 在程序中表示什么_程序开发中:什么是前后端分离?你搞清楚了吗?
- java keytool工具详解
- 联想笔记本fn键linux,Linux 系统下笔记本电脑的 Fn 键失效
- dwz jui 修改html元素,js框架 dwz jui 的日历组件 添加自定义事件
- 用上就不会停下的效率利器—Automator
- 公司研发人员(含测试)经理、组长能力评价表
- #762 (Div. 3) E. MEX and Increments(贪心构造
- APP 合规讲堂 - 收集使用个人信息的目的、方式、范围发生变化时,是否以适当方式通知用户(五)
- Eclipse创建C++工程并解决“Symbol 'std' could not be solved”
- STI解读A:STI测量方法
- sqlserver update join 多关联更新
- python地铁车票_Python分析3034个地铁站,发现中国地铁名字的秘密。