《深度学习》李宏毅 -- task6卷积神经网络
李宏毅《深度学习》卷积神经网络CNN:李宏毅机器学习(2016)_哔哩哔哩_bilibilihttps://www.bilibili.com/video/av9770190/?p=10
https://blog.csdn.net/wuzhenzi5193/article/details/80468650https://blog.csdn.net/wuzhenzi5193/article/details/80468650
一、为什么要使用卷积神经网络(CNN)
CNN常常被用在影像处理上,比如说你想要做影像的分类,就是training一个neural network,input一张图片,然后把这张图片表示成里面的像素(pixel),也就是很长很长的矢量(vector)。output就是(假如你有1000个类别,output就是1000个dimension)dimension。
通常会遇到一些问题:
1.在training neural network时,我们希望在network的structure里面,每一个neural就是代表了一个最基本的classifier,事实是在文件上根据训练的结果,你有可能会得到很多这样的结论。
2.直接用fully connect feedforward network来做影像处理的时候,需要太多参数。
CNN能简化neural network的架构,处理影像时,某些weight用不上,我们一开始就把它滤掉。不是用fully connect feedforward network,而是用比较少的参数来做影像处理这件事。现在从下面3个方面进行阐述。
1.1 小区域(Small region )
1.2 相同的图案(Same Patterns)
1.3 二次抽样(Subsampling)
二、CNN架构
- 1.输入一张图片后通过卷积层(convolution layer);
- 2.然后做max pooling;
- 3.再做卷积(convolution);
- 4.2-3步重复多次;(反复多少次是事先决定的,即network的架构)
- 5.压平(flatten);
- 6.最后把flatten的output丢到一般全连接前馈网络(fully connected feedforward network),就可以得到影像辨识的结果。
前面的两个property可以用convolution来处理掉,最后的property可以用Max Pooling这件事来处理。
三、卷积(Convolution)
3.1 属性1(Property1)
3.2 属性2(Propetry2)
四、卷积和全连接之间的关系
五、Max pooling
这边有一个问题:第一次有25个filter,得到25个feature map,第二个也是由25个filter,那将其做完是不是要得到2 5 2 25^2252的feature map。其实不是这样的!
六、压平(Flatten)
flatten就是特征图(feature map)拉直,拉直之后就可以丢到fully connected feedforward netwwork,然后就结束了。
《深度学习》李宏毅 -- task6卷积神经网络相关推荐
- 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 ...
- 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) ...
- 【深度学习系列】卷积神经网络CNN原理详解(一)——基本原理(1)
上篇文章我们给出了用paddlepaddle来做手写数字识别的示例,并对网络结构进行到了调整,提高了识别的精度.有的同学表示不是很理解原理,为什么传统的机器学习算法,简单的神经网络(如多层感知机)都可 ...
- 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: ...
- 深度学习算法中卷积神经网络的应用
下面一起来探讨一下关于深度学习算法中卷积神经网络的基本概念和应用: 1.卷积神经网络基本概念 卷积神经网络也是在传统人工神经网络的基础上发展起来的,它与 BP 神经网络有很大的相似之处,但也有很大的区 ...
- [人工智能-深度学习-33]:卷积神经网络CNN - 常见分类网络- LeNet网络结构分析与详解
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:https://blog.csdn.net/HiWangWenBing/article/detai ...
- 记录|深度学习100例-卷积神经网络(CNN)彩色图片分类 | 第2天
记录|深度学习100例-卷积神经网络(CNN)彩色图片分类 | 第2天 1. 彩色图片分类效果图 数据集如下: 测试图1如下 训练/验证精确图如下: 优化后:测试图--打印预测标签: 优化后:测试图- ...
- 深度学习的数学-卷积神经网络的误差反向传播
文章目录 前言 正文 卷积神经网络中的关系式 卷积层 池化层 输出层 平方误差(损失函数) 梯度下降法 卷积层和输出层的神经单元误差(重点) 输出层的神经单元误差计算 输出层的神经单元与其权重偏置的关 ...
- 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 ...
- 深度学习21天——卷积神经网络(CNN):天气识别(第5天)
目录 一.前期准备 1.1 设置GPU 1.2 导入数据 1.2.1 np.random.seed( i ) 1.2.2 tf.random.set_seed() 1.3 查看数据 二.数据预处理 2 ...
最新文章
- 特斯拉化身电影院,马斯克:车自动开,你来看电影
- Ubuntu 9.04安设教程(傻瓜版)
- 使用Python的http.server实现一个简易的Web Api对外提供HanLP拼音转换服务
- 手写自己的MyBatis框架-V2.0参数处理
- php去除两个重复,php – 如何从两个数组中删除重复对?
- 基于OpenCV实现图像线性变化
- 设计模式(三)单实例模式
- day8--pandas
- python assert简单记忆方法
- Redis -- 羊哥CodeSheep20题(转发)
- 使用矩阵分解找到相似歌曲
- Apple有史以来屏幕最大的手机iPhone 12最新超详细揭秘
- python compare()_Python Decimal compare()用法及代码示例
- Variable详解
- matlab求反函数的函数,关于一个函数的反函数求导问题,一个超复杂函数……急啊!...
- 袁萌与王选谈方正的未来
- 高速接口之USB 3.0
- 谈谈本科生和研究生的差距
- vue2 使用 alias 简化路径
- 吴恩达机器学习课程笔记——第二周
热门文章
- Windows服务工程创建、部署
- C# Winform添加全局快捷键(老板键)
- linux内核编译(升级)
- Trie树---前缀最相似匹配
- plist文件中iphone和ipad的应用图片设置
- 泰勒展开与找第一项系数不为1的解题策略
- 拆散组合思路求解期望,方差
- 层次狄利克雷过程HDP(Hierarchical Dirichlet Processes)
- Loaded runtime CuDNN library: 7103 (compatibility version 7100) but source was compiled with 7005 ..
- tensorflow 基础: static shape VS Dynamic shape, get_shape VS tf.shape() , reshape VS set_shape