Python人工智能深度学习CNN
作者：Swayzzu 发布时间：2023-11-27 06:19:15
1.CNN概述
CNN的整体思想，就是对图片进行下采样，让一个函数只学一个图的一部分，这样便得到少但是更有效的特征，最后通过全连接神经网络对结果进行输出。
整体架构如下：
输入图片
→卷积：得到特征图（激活图）
→ReLU：去除负值
→池化：缩小数据量同时保留最有效特征
（以上步骤可多次进行）
→输入全连接神经网络
2.卷积层
CNN-Convolution
卷积核（或者被称为kernel, filter, neuron）是要被学出来的，卷积核中的数就是权重（参数）
做内积，把卷积核的每一个参数和图像中对应位置的数字相乘（对应位置的元素相乘，不同于矩阵乘法），再求和。相当于一个神经元，对输入的数据，进行权重的分配，而权重就是卷积核的数据。再求和，就是第一个神经元所得到的结果。把这个权重对图片所有数据进行处理，就得到第一个激活图或特征图（feature map）。我们可以增加卷积核的数量，就会得到多层激活图，可以更好的保留数据的空间尺寸。
当卷积核与图片进行相乘相加的时候，如果卷积核此时正在计算的区域数字分布与卷积核类似，所得的求和结果会很大（称为卷积核被激活了），而其他地方会很小，说明图像在这个区域，有和卷积核类似的图案。
一个卷积核只能识别一个特征。因此我们需要添加多个卷积核，卷积核越多，得到的激活图就越深，输入图像的信息就越多。
对于彩色的图来说，不需要把颜色分开，卷积核的深度和图像深度是一样的，比如彩色是红绿蓝三层，那么卷积核也是三层。
卷积层相当于降采样的神经网络，如下图，本来应该连接36个神经元，但实际连接了9个。
3.池化层
CNN-MaxPooling
在Max Pooling，也就是池化层之前，会需要进行一个ReLU函数转化，即把小于0的值全转为0，其他的不变。
池化层主要就是为了减少数据量，选一个尺寸之后，直接用尺寸中的最大值代替那个尺寸。这样可以减少数据从而减少运算量。
如下图所示，输入数据原本是6*6，通过卷积层之后变成4*4，通过池化层之后变成2*2。对于实际的图片来说，维度可能很高，因此卷积层，池化层可以多次进行。
4.全连层
将最后得到的高层次特征输入全连接的神经网络，即全连层。全连层就是一个全连接的神经网络，它的参数数量就是最后的池化层输出的数据数量。
同样的，前向传播后，计算损失函数后进行后向传播，得到各参数的梯度，对各参数进行更新，直到找到最佳参数。
因此，在全连接之前的所有层，不管多少层的卷积、池化，都是为了得到更好的特征的同时降低数据量。使得模型可以更好地训练。
来源：https://blog.csdn.net/Swayzzu/article/details/121043334
0
投稿猜你喜欢
用python做一个简单的随机点名程序(不重复点名)这是我来到csdn的第一篇文章,内容如果有瑕疵的地方或者代码可以进一步改善，请大家对我指- 利用问题的普遍性和特殊性来求解，代码如下：import unittestfrom datetime import datetimeclass
- 1 索引索引概念索引是一种特殊的文件，包含着对数据表里所有记录的引用指针。可以对表中的一列或多列创建索引，并指定索引的类型，各类索引有各自的
- 如下所示：import pandas as pd from pandas import * import numpy as np data
- 一、日志输出到文件使用模块：logging可以生成自定义等级日志，可以输出日志到指定路径日志等级：debug(调试日志) < info
- 本文实例讲述了Python模块的定义，模块的导入，__name__用法。分享给大家供大家参考，具体如下：相关内容：什么是模块模块的导入同级目
- 1.下载 4个rpm包mysql-community-client-5.7.26-1.el7.x86_64.rpmmysql-communi
- 项目整体布局创建并进入项目文件夹:$ mkdir flask-tutorial$ cd flask-tutorial接下来按照 安装简介 设
- 接着上篇的内容，在上篇给大家介绍了Bootstrap学习系列之使用 Bootstrap Typeahead 组件实现百度下拉效果Bootst
- 本文研究的主要是Python编程通过pandas将数据分割成时间跨度相等的数据块的相关内容，具体如下。先上数据，有如下dataframe格式
- 初试牛刀假设你希望学习Python这门语言，却苦于找不到一个简短而全面的入门教程。那么本教程将花费十分钟的时间带你走入Python的大门。本
- 做一个简单的小实例：目录结构如下：demo1.pyclass MyClass():def __init__(self,x,y):
- QQ影音新版发布官网Banner经过两周的酝酿、脑爆与设计调整，于20日顺利上线，连续7天，经历了昨天激动人心的最后发布，到此告一段落，这里
- 正文方法一：直接使用已知的cookie访问特点：简单，但需要先在浏览器登录原理：简单地说，cookie保存在发起请求的客户端中，服务器利用c
- 1. 欧几里德算法欧几里德算法又称辗转相除法， 用于计算两个整数a, b的最大公约数。其计算原理依赖于下面的定理：定理： gcd(a, b)
- 概要在自然语言处理（NLP）领域，情感分析及分类是一项十分热门的任务。它的目标是从文本中提取出情感信息和意义，通常分为两类：正向情感和负向情
- 只要为pycharm配置anaconda中的解析器即可。操作步骤：1. 在pycharm菜单栏中，点击File-Settings-Proje
- python绘图的包大家应该不会陌生，但是，对图的常规设置不一定会知道（其实自己也是才知道的），比如：坐标轴的字体大小、颜色设置；标题的字体
- 序言哈喽兄弟们，今天来实现一个Python采集视频、弹幕、评论与一体的小软件。平常咱们都是直接代码运行，不过今天我们做成软件，这样的话，咱们
- 引言本身打算先写完sync包的, 但前几天在复习以前笔记的时候突然发现与字符串相关的寥寥无几. 同时作为一个Java选手, 很轻易的想到了几
