深度学习入门(三):卷积神经网络(CNN)

引入

给定一张图片,计算机需要模型判断图里的东西是什么?

(car、truck、airplane、ship、horse)

一、卷积神经网络整体架构

  • CONV:卷积计算层,线性乘积求和
  • RELU:激励层,激活函数
  • POOL:池化层,取区域平均或最大(MAX POOL)
  • PC:全连接层

二、CONV卷积层计算

对CNN来说,它是一块一块进行对比的,"小块"称之为Features特征。卷积就是对图像(不同窗口数据)和滤波矩阵做内积 。每计算完一个数据窗口内的数据后,数据窗口不断平滑移动,直到计算完所有数据。

图中矩阵解析:

  • Input Volume(7x7x3):图像的长宽均为7,3代表RGB三个颜色通道
  • Filter W0、W1:滤波器,带一组固定权重的神经元
  • Output Volume:两个不同的输出

随着左边数据窗口的平移滑动,滤波器 F i l t e r W 0 / W 1 Filter W0/W1 FilterW0/W1对不同的局部数据进行卷积计算。左边数据在变化,每次滤波器都是针对某一局部的数据窗口进行卷积 ,这就是所谓的CNN中的局部感知机制 。与此同时,数据窗口滑动,导致输入在变化,但中间滤波器Filter w0的权重是固定不变 的,这个权重不变即所谓的CNN中的参数(权重)共享机制

三、卷积层参数

  • depth:神经元个数,滤波器个数
  • stride:步长,滑动多少步到边缘
  • zero-padding:边缘填充,为了总长能为步长整除,并且一定程度上减轻边界利用少的情况

四、ReLU激励层

五、POOL池化层

进行筛选压缩的过程,取区域平均或最大

最大池化 MAX POOLING

下图包含两次卷积一次池化,共7层神经网络

六、特征图变化

三维要拉长成特征向量,再输入全接连层

相关推荐
千天夜31 分钟前
激活函数解析:神经网络背后的“驱动力”
人工智能·深度学习·神经网络
大数据面试宝典32 分钟前
用AI来写SQL:让ChatGPT成为你的数据库助手
数据库·人工智能·chatgpt
封步宇AIGC37 分钟前
量化交易系统开发-实时行情自动化交易-3.4.1.2.A股交易数据
人工智能·python·机器学习·数据挖掘
m0_5236742139 分钟前
技术前沿:从强化学习到Prompt Engineering,业务流程管理的创新之路
人工智能·深度学习·目标检测·机器学习·语言模型·自然语言处理·数据挖掘
HappyAcmen1 小时前
IDEA部署AI代写插件
java·人工智能·intellij-idea
噜噜噜噜鲁先森1 小时前
看懂本文,入门神经网络Neural Network
人工智能
InheritGuo2 小时前
It’s All About Your Sketch: Democratising Sketch Control in Diffusion Models
人工智能·计算机视觉·sketch
weixin_307779132 小时前
证明存在常数c, C > 0,使得在一系列特定条件下,某个特定投资时刻出现的概率与天数的对数成反比
人工智能·算法·机器学习
封步宇AIGC2 小时前
量化交易系统开发-实时行情自动化交易-3.4.1.6.A股宏观经济数据
人工智能·python·机器学习·数据挖掘
Jack黄从零学c++2 小时前
opencv(c++)图像的灰度转换
c++·人工智能·opencv