卷积神经网络大总结(个人理解)

神经网络

1、概念:从功能他们模仿真实数据

2、结构:输入层、隐藏层、输出层。其中隐藏层要有的参数:权重、偏置、激励函数、过拟合

3、功能:能通过模仿,从而学到事件

其中过拟合:电脑太过于自信,想把所有的数据都模拟下来。但是这并不符合我们的实际的需求

激励函数:激活某一些参数

卷积神经网络:

1、一般的结构:输入数据、卷积层、池化层、卷积层、池化层、全连接层、全连接层、误差分析、参数优化、显示精确度

2、每一个层的要求:

输入数据:类型:[-1(表示能接受任意张图片),图片的长度,图片的宽度、图片的灰度级]

卷积层  :fittler滤波器:意义:扫描图片,得到一个数值。类型:[卷积核的长度,卷积核的宽度,图片的灰度值,特征映射值(厚度)]其中的1,1是给定。卷积函数:输入数据、滤波器、步长(类型[1,图片左右移动的步数,图片上下移动的步数,1],padding=”扫描的方式”

卷积得到的数据,可以用tf.nn.Rule的激励函数激励

池化层:池化函数的参数:卷积层1激励后的数据,池化窗口的大小(shape[1,长,宽,1],步长(shape[1,向左右移动的步数,上下移动的步数,1],padding=“扫描的方式”

卷积层2:参数个数一样,但是输入的数据是池化1输出的数据,卷积核我们也可以定义,其他的都一样

池化层:变化最大的是输入的数据数卷积层2输出的数据

全连接神经元:输入的数据是池化2输出的数据,要记得重新设定类型。隐藏层:权重,偏置。。。隐藏层输出的数据可以过拟合和tf.nn.relu激励函数

全连接神经元2:类似全连接神经元。但是这一层的输出数据要用到tf.nn.softmax激励函数

误差分析、优化:cross_entropy = tf.reduce_mean(-tf.reduce_sum(y_data * tf.log(prediction),

reduction_indices=[1]))

train_step = tf.train.AdamOptimizer(1e-4).minimize(cross_entropy)交叉商

计算精确值函数

其他:

1、其中每一层的卷积层和池化层都是讲特征映射的更加详细,具体有用

2、池化层在实际应用中用来抵抗输入的轻微形变或者位移

3、全连通层的工作原理是根据之前其它层的输出,检测哪些特征与特定的 类别相匹

tensorflow学习之路-----卷积神经网络个人总结的更多相关文章

  1. tensorflow学习笔记七----------卷积神经网络

    卷积神经网络比神经网络稍微复杂一些,因为其多了一个卷积层(convolutional layer)和池化层(pooling layer). 使用mnist数据集,n个数据,每个数据的像素为28*28* ...

  2. Tensorflow学习教程------利用卷积神经网络对mnist数据集进行分类_利用训练好的模型进行分类

    #coding:utf-8 import tensorflow as tf from PIL import Image,ImageFilter from tensorflow.examples.tut ...

  3. CNN学习笔记:卷积神经网络

    CNN学习笔记:卷积神经网络 卷积神经网络 基本结构 卷积神经网络是一种层次模型,其输入是原始数据,如RGB图像.音频等.卷积神经网络通过卷积(convolution)操作.汇合(pooling)操作 ...

  4. 使用TensorFlow v2.0构建卷积神经网络

    使用TensorFlow v2.0构建卷积神经网络. 这个例子使用低级方法来更好地理解构建卷积神经网络和训练过程背后的所有机制. CNN 概述 MNIST 数据集概述 此示例使用手写数字的MNIST数 ...

  5. 【深度学习与TensorFlow 2.0】卷积神经网络(CNN)

    注:在很长一段时间,MNIST数据集都是机器学习界很多分类算法的benchmark.初学深度学习,在这个数据集上训练一个有效的卷积神经网络就相当于学习编程的时候打印出一行“Hello World!”. ...

  6. 学习笔记TF027:卷积神经网络

    卷积神经网络(Convolutional Neural Network,CNN),可以解决图像识别.时间序列信息问题.深度学习之前,借助SIFT.HoG等算法提取特征,集合SVM等机器学习算法识别图像 ...

  7. TensorFlow 实战之实现卷积神经网络

    本文根据最近学习TensorFlow书籍网络文章的情况,特将一些学习心得做了总结,详情如下.如有不当之处,请各位大拿多多指点,在此谢过. 一.相关性概念 1.卷积神经网络(ConvolutionNeu ...

  8. 机器学习与Tensorflow(4)——卷积神经网络与tensorflow实现

    1.标准卷积神经网络 标准的卷积神经网络由输入层.卷积层(convolutional layer).下采样层(downsampling layer).全连接层(fully—connected laye ...

  9. 论文学习-系统评估卷积神经网络各项超参数设计的影响-Systematic evaluation of CNN advances on the ImageNet

    博客:blog.shinelee.me | 博客园 | CSDN 写在前面 论文状态:Published in CVIU Volume 161 Issue C, August 2017 论文地址:ht ...

随机推荐

  1. 三期_day02_数据库表设计和开发准备工作

    数据库脚本 drop table crm_user_info; drop table crm_work_customer_relation; drop table crm_business; drop ...

  2. less07 important

    less .foo (@bg: #f5f5f5, @color: #900) { background: @bg; color: @color; font-size: 16px; font-weigh ...

  3. vim 插件之solarized

    solarized 其实算不上严格的插件,它只是一个主题,这个主题看起来还是很不错的.有一点,因为vim的最终效果还跟ubuntu终端配色有关,所以我们还需要进行其他的设置.具体过程如下 1.更改终端 ...

  4. 使用isolation forest进行dns网络流量异常检测

    代码如下,测试发现,是否对输入数据进行归一化/标准化对于结果没有影响: import numpy as np from sklearn.ensemble import IsolationForest ...

  5. zookeeper伪分布安装配置

    1.下载路径为:http://mirrors.cnnic.cn/apache/zookeeper/stable/ 2.安装: 第一步 解压zookeeper压缩包: 进入 zookeeper安装目录 ...

  6. HDU 4786Fibonacci Tree(最小生成树)

    Time Limit: 4000/2000 MS (Java/Others)    Memory Limit: 32768/32768 K (Java/Others)Total Submission( ...

  7. JDK5新特性:可变参数方法

    JDK1.5增加可变参方法,其定义格式为: 访问修饰符 返回值类型 方法标识符(参数类型 参数标识符1,参数类型 参数标识符2,参数类型...参数标识符){} 如可能要定义一个求和功能的方法,但求和的 ...

  8. python实例

    先来一段代码: #这段代码可牛逼了,1.可以根据indent的选项调整模式.2.根据level调整级别. #代码很low,主要看思想..哈哈哈..看看从最初的样子到最好经历了什么.. 开始: #!/u ...

  9. react 中间件相关的一些源码解析

    零.随便说说中间件 在react的使用中,我们可以将数据放到redux,甚至将一些数据相关的业务逻辑放到redux,这样可以简化我们组件,也更方便组件抽离.封装.复用,只是redux不能很好的处理异步 ...

  10. GIL解释锁及进程池和线程池

    官方介绍 ''' 定义: In CPython, the global interpreter lock, or GIL, is a mutex that prevents multiple nati ...