TensorFlow构建神经网络(CNN , Mnist数据集)

一. 卷积神经网络(CNN)

1.卷积神经网络概念

2.卷积神经网络过程讲解

3.代码实现

一.卷积神经网络简介:

  • 来历:

        Hubel和Wiesel在研究猫脑皮层中用于局部敏感和方向选择的神经元时发现其独特的网络结构可以有效地降低反馈神经网络的复杂性,继而提出卷积神经网络。

  • 优点:

        CNN能够得出原始图像的有效表征,这使得CNN能够直接从原始像素中,经过极少的预处理,识别视觉上面的规律。      

  • 适用领域:

        语音识别,图像识别等多个领域。

  • 结构分类:

        特征提取层(卷积),特征映射层(池化)

1.卷积神经网路结构:

2.卷积神经网络-卷积层

卷积的目的是为了从输入图像中提取特征。

卷积可以从输入的一小块数据中学到图像的特征,并保留像素间的空间关系。

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

despacito,

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值