zoukankan      html  css  js  c++  java
  • 【原创 深度学习与TensorFlow 动手实践系列

    【原创 深度学习与TensorFlow 动手实践系列 - 3】第三课:卷积神经网络 - 基础篇

    提纲:

    1. 链式反向梯度传到

    2. 卷积神经网络 - 卷积层

    3. 卷积神经网络 - 功能层

    4. 实例:卷积神经网络MNIST分类

    期待目标:

    1. 清楚神经网络优化原理,掌握反向传播计算

    2. 掌握卷积神经网络卷积层的结构特点,关键参数,层间的连接方式。

    3. 了解不同卷积神经网络功能层的作用,会进行简单的卷积神经网络结构设计。

    4. 能够运行TensorFlow卷积神经网络 MNIST。 

    f(x, y, z) = (x + y) * z

    (3.00 + 1.00) * -2.00 = -8.00 

     

     

     

     

    1. 什么是卷积层

    2. 有什么组成

    3. 受什么影响,有何特点

    4. 怎么工作

    卷积层

    1. 卷积神经网络基本结构

    2. 由多个卷积核组合形成

    3. 每个卷积核同输入数据卷积运算,形成新的特征“图”

     

    非线性激励层(None-linear activation layer):卷积是线性运算,增加非线性描述能力

    降维:特征图稀疏,减少数据运算量,保持精度

    池化层(Pooling Layer)- 降维:

    1. 数据降维,方便计算,存储(max,ave)

    2. 池化过程中,每张特征图单独降维

     归一化:特征的scale保持一致。

    卷积神经网络(CNN) - 基础 演示代码:

    https://github.com/wiibrew/DeepLearningCourseCodes

    https://github.com/wiibrew/DeepLearningCourseCodes/blob/master/course_3_tf_mnist_cnn.py

    https://github.com/wiibrew/DeepLearningCourseCodes/blob/master/course_3_tf_mnist_cnn.ipynb

    卷积神经网络运行情况:

  • 相关阅读:
    类的加载与ClassLoader的理解
    反射:获取Class 类的实例(四种方法)
    磁盘调度算法
    死锁检测算法
    银行家算法
    最低松弛度调度算法模拟
    多级反馈队列调度算法
    内存中:请求调页存储管理方式的模拟
    内存的动态分区分配方式的模拟
    “短进程优先”调度算法
  • 原文地址:https://www.cnblogs.com/licheng/p/6952997.html
Copyright © 2011-2022 走看看