猪猪的机器学习(十九)卷积神经网络
卷积神经网络
作者:樱花猪
摘要:
本文为七月算法(julyedu.com)12月机器学习第十九次课在线笔记。卷积神经网络(Convolutional Neural Network,CNN)是一种前馈神经网络,它的人工神经元可以响应一部分覆盖范围内的周围单元,对于大型图像处理有出色表现。
引言:
第十九和二十课进入了目前比较新又非常热门的深度学习中。在传统的机器学习中,通常是我们自己来寻找特征,而深度学习中我们通过神经网络来自主的学习特诊。在大量数据的前提下,深度学习往往能够比传统机器学习方法效果更好。
卷积神经网络(Convolutional Neural Network,CNN)是一种前馈神经网络,它的人工神经元可以响应一部分覆盖范围内的周围单元,对于大型图像处理有出色表现。
课程比较注重实践的讲解,通过课程能快速的搭建一个自己的神经网络。
一、卷积神经网络:
首先将输入数据堪称三维的张量(Tensor)
引入Convolution(卷积)操作,单元变成卷积核,部分连接共享权重。
引入Pooling(采样)操作,降低输入张量的平面尺寸
卷积神经网络的最大优点:拥有某种特征学习的能力
二、网络结构
1、三维张量
一幅图我们认为有三维张量分为长、宽、和深度。这里深度在彩色图像中可以设置为3,R,G,B。
2、卷积
卷积的概念来自型号处理,我们在图像计算中也非常的常用。具体过程可以参见传统卷积方案。在卷积升级网络中,模板我们成为核Kernel。
3、三维张量卷积
这里,卷积核的深度和输入图像是一致的。每个卷积核都带有一个Bias。
4、激活函数
卷积以后会产生一个激活函数,这个激活函数跟人工神经网络类似。
5、Pooling操作(采样)
采样操作改变图像的尺寸,通过Pooling操作能够逐层吧图像尺寸降下来,减少维度。
三、卷积网络的设计
1、设计方式:
尽量使用3×3的卷积核,甚至更小,滑动因子取1。
使用Pooling(2x2)对网络进行1/4下采样
采用多层次架构,采用残差结构实现更深的网络。
2、残擦网络结构
3、复杂网络的BP计算
同传统人工神经网络一样,核心依然是链式法则,利用框架搭建网络并对自己实现的结构,严格用数值计算验证。
4、基于层次的特征学习
层次越高越模糊。
四、CNN实验(参照课堂讲解)
参考文献:
http://blog.csdn.net/zouxy09/article/details/9993371
http://www.36dsj.com/archives/24006
转载于:https://www.cnblogs.com/Dr-XLJ/p/5466394.html
猪猪的机器学习(十九)卷积神经网络相关推荐
- 花书+吴恩达深度学习(十)卷积神经网络 CNN 之卷积层
目录 0. 前言 1. 2D 图像卷积 2. 3D 图像卷积 3. 过滤器(核函数) 4. 过滤器应用于边缘检测 5. padding 填充 6. stride 步长 7. 使用卷积的动机 8. 1乘 ...
- 【深度学习】基于Torch的Python开源机器学习库PyTorch卷积神经网络
[深度学习]基于Torch的Python开源机器学习库PyTorch卷积神经网络 文章目录 1 CNN概述 2 PyTorch实现步骤2.1 加载数据2.2 CNN模型2.3 训练2.4 可视化训练 ...
- 第五章:Tensorflow 2.0 利用十三层卷积神经网络实现cifar 100训练(理论+实战)
版权声明:本文为博主原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明. 本文链接:https://blog.csdn.net/LQ_qing/article/deta ...
- 机器学习笔记三—卷积神经网络与循环神经网络
系列文章目录 机器学习笔记一-机器学习基本知识 机器学习笔记二-梯度下降和反向传播 机器学习笔记三-卷积神经网络与循环神经网络 机器学习笔记四-机器学习可解释性 机器学习笔记五-机器学习攻击与防御 机 ...
- 深度学习入门(三十)卷积神经网络——NiN
深度学习入门(三十)卷积神经网络--NiN 前言 卷积神经网络--NiN 课件 网络中的网络NiN 全连接层的问题 NiN块 NiN架构 NiN Networks 总结 教材 1 NiN块 2 NiN ...
- 李宏毅机器学习课程10~~~卷积神经网络
卷积的意义 数字图像是一个二维的离散信号,对数字图像做卷积操作其实就是利用卷积核(卷积模板)在图像上滑动,将图像点上的像素灰度值与对应的卷积核上的数值相乘,然后将所有相乘后的值相加作为卷积核中间像素对 ...
- 【theano-windows】学习笔记十二——卷积神经网络
前言 按照进度, 学习theano中的卷积操作 国际惯例, 来一波参考网址 Convolutional Neural Networks (LeNet) 卷积神经网络如何应用在彩色图像上? 卷积小知识 ...
- 机器学习:利用卷积神经网络实现图像风格迁移 (一)
相信很多人都对之前大名鼎鼎的 Prisma 早有耳闻,Prisma 能够将一张普通的图像转换成各种艺术风格的图像,今天,我们将要介绍一下Prisma 这款软件背后的算法原理.就是发表于 2016 CV ...
- AI学习笔记(十)卷积神经网络
AI学习笔记之卷积神经网络 卷积神经网络简介 卷积层 池化层 卷积神经网络 卷积核 填充padding 常见的卷积神经网络 cifar-10预测实例 数据预处理--图像增强 图像增强常用方法 Alex ...
- cnn风格迁移_机器学习:利用卷积神经网络实现图像风格迁移 (一)
相信很多人都对之前大名鼎鼎的 Prisma 早有耳闻,Prisma 能够将一张普通的图像转换成各种艺术风格的图像,今天,我们将要介绍一下Prisma 这款软件背后的算法原理.就是发表于 2016 CV ...
最新文章
- 不止最佳长论文,腾讯AI在ACL上还有这些NLP成果(附论文链接)
- go中如何使用easyjson_如何在 Go 中编写无 Bug 的 Goroutines?
- java jpopupmenu 无法显示_JAVA :为什么使用Jpopupmenu()有参构造方法 不显示标题
- Linux mv命令
- NLP简报(Issue#8)
- 医院常用系统简称说明(HIS 、LIS、PACS等)
- jarsigner 命令对 apk 加密
- 清明上河图轴卷图滑动
- html实现自动图片轮播,图片轮播的实现(html__js)
- 计算机xp怎么做备份,xp系统如何备份系统呢,详细教您如何备份
- 机器学习之recall、precision、accuracy
- 实用Internet Download Manager(IDM)破解技巧,全版本通用!
- Base64(本地存储加密解密)
- ESP8266学习之路 十二 (读写文件)
- 常见的数学建模比赛汇总(参考资料)
- fdisk并创建LVM
- 写作——如何描述图表
- 国产工业CPU平台,米尔基于全志T507-H开发板的实时性分析与测试
- 移动端调试奇技淫巧之eruda
- linux驱动开发5 按键中断实验(定时器和中断)