定义CNN网络结构

最新推荐文章于 2025-07-08 16:16:53 发布

原创

最新推荐文章于 2025-07-08 16:16:53 发布 · 737 阅读

3 ·

CC 4.0 BY-SA版权

文章标签：

#卷积 #卷积神经网络 #神经网络 #深度学习 #tensorflow

该博客详细介绍了如何构建一个深度学习中的卷积神经网络（CNN）。网络从150x150的单通道黑白图像开始，经过一系列卷积和最大池化层，包括5x5卷积核和2x2最大池化操作，最后通过全连接层、dropout层，以及softmax层进行分类。整个结构旨在提取特征并进行有效的图像识别。

class CNN(tf.keras.Model):
    def __init__(self):
        super().__init__()
        self.conv1 = tf.keras.layers.Conv2D(
            filters=32,              # 卷积层神经元（卷积核）数目
            kernel_size=[5, 5],     # 感知域大小（滤波器大小） padding=2
            strides=(2,2),
            padding='same',         # padding策略（vaild 或 same）same保证卷出来的图大小与原输入相同
            kernel_initializer=tf.random_normal_initializer,
            activation=tf.nn.relu   # 激活函数
        )
        self.pool1 = tf.keras.layers.MaxPool2D(pool_size=[2, 2],strides=2)
        self.conv2 = tf.keras.layers.Conv2D(
            filters=64,
            kernel_size=[5, 5],
            strides=(1,1),
            padding='same',
            kernel_initializer=tf.random_normal_initializer,
            activation=tf.nn.relu
        )
        self.pool2 = tf.keras.layers.MaxPool2D(pool_size=[2, 2],strides=2)
        self.flatten = tf.keras.layers.Flatten()
        self.dense1 = tf.keras.layers.Dense(un