卷积神经网络简介

------------恢复内容开始------------

------------恢复内容开始------------

1、卷积神经网络和传统神经网络的比较，也就是说，简单地神经网络nn即三个层 输入层、隐藏层、输出层而卷积神经网络则是在神经网络的基础上即

cnn

输入层

隐藏层：卷积层、激活层、池化层、全连接层

输出层

nn

输入层

隐藏层：全连接层

输出层

 2、卷积神经网络原理

即卷积层、激活层、池化层、全连接层。例我们对一张汽车图片进行识别，先进性conv卷积，然后再经历relu激活函数、在经历conv卷积，然后pool池化，等一系列过程，最后通过全连接层进行分类

 3、卷积神经网络的三个结构

 4、卷积层的作用

   4.1卷积核四大要素  卷积核也被称之为 filter、模型参数、过滤器

       卷积核大小  一般是1*1  3*3  5*5

       卷积核数量

       卷积核步长

       卷积核零填充大小

  4.2卷积核如何计算大小

     例1这是通道为1的照片

    

   例2

  4.3卷积核如何计算通过步长 

   例1每次移动一个格子的步长

 例2每次移动二个格子的步长

 

4.4零填充大小

 5、输出形状大小计算

 

 6、多通道图片计算

 7、卷积网络API

------------恢复内容结束------------

------------恢复内容结束------------