5.11【机器学习】

先是对图像进行划分

划分完后,

顺序读取文件夹,在文件夹里顺序读取图片,

卷积层又称为滤波器,通道是说滤波器的个数,黑白通道数为1,RGB通道个数为3

在输入层,对于输入层而言,滤波器的数量就是图像的色彩通道数量

但是对于中间层而言,滤波器的数量,

卷积层叫做滤波器,内核,通道是滤波器的个数,输出的通道层数只与当前滤波器的通道个数有关

通道为2,滤波器有两个

黄色部分为滤波器,有两个,是所以通道数是2

前两个参数表示卷积核的宽高,自己设定,最后一个参数是输入数据的通道数,输入数据为三通道,所以最后一个参数是3

每次卷积完,对本次卷积核的值加上运算结果,得到一个新的卷积核,

读取数据集

对于花的所有类别里,令标志+1,路径就变为根路径加上类别路径

然后图像集就算是对应路径下的所有图像

合并的话合并的维度可以不同,其它维度必须相同

axis是说堆叠后的数据放在那个位置上

所谓范数,实际上就是范数距离,L1范数就是绝对值加和,L2是距离值加和,范数趋于正无穷时,最大数占据绝对优势,那么再开根号就是这个向量里的最大值

卷积层的作用就是缩小图像的数据特征,把图像缩到更小的里面,有几个卷积面就有几个特征图

池化层,2,2最大池化层

卷积层-》池化层

卷积层池化层完后得到的是特征图,立体的,

需要拉长,就是FLATTEN方法,这下就把特征图拉长变到了一个向量

再连到隐藏层,有512个隐藏层神经元

这里面就是构建模型

5*5的原图,经过3*3卷积后,会变成3*3的特征图,

7*7的会变成5*5,即(7-3)/1+1,除以的那个分母是卷积层移动的步长

所以64,64,3的经过一层3,3卷积,会变成62,62

有32个卷积层的话,就会得到32个特征图,卷积核

卷积层由卷积核构成,卷积核的长宽是直接得到的,但是还有一个RGB属性,是直接由原始图像的RGB决定的,第一个卷积层里一共有32个卷积核,每个卷积核27个参数

卷积完后得到32个特征图,要对图整体进行微调,32个偏置参数

池化层的目的就是对特征图做压缩,缩小特征图的特征数量,有平均池化,最大、最小池化

BATCH_SIZE是说从原始数据集里一次取出来的数据个数,20就是说明每轮迭代取出来20个

就是说数据生成器会循环地产生数据,然后指定每轮迭代恒产

相关推荐
Juchecar35 分钟前
给AI装上“手脚”:大模型如何自动执行复杂任务?
人工智能
惜月_treasure38 分钟前
LlamaIndex多模态RAG开发实现详解
开发语言·python·机器学习
长鸳词羡1 小时前
LoRA微调
人工智能·深度学习·机器学习
jerryinwuhan1 小时前
Transformer ViT 架构(转载)
人工智能·深度学习·transformer
码农阿豪1 小时前
【征文计划】码上分享:基于 Rokid CXR-M SDK 构建「AI远程协作助手」实战全记录
人工智能·kotlin·sdk·rokid
mahuan1688881 小时前
ITVDesk
人工智能
聚梦小课堂1 小时前
用于大语言模型后训练阶段的新方法GVPO(Group Variance Policy Optimization)
人工智能·语言模型·后训练
说私域1 小时前
基于开源AI智能名片链动2+1模式S2B2C商城小程序的互联网运营体系化研究
人工智能·小程序
谢栋_2 小时前
基于 GitLab CI/CD 与 Google Gemini 的 AI Code Review 自动化方案
人工智能·ci/cd·gitlab
koo3642 小时前
李宏毅机器学习笔记17
人工智能·笔记·机器学习