16、卷积神经网络与TensorFlow识别应用详解

卷积神经网络与TensorFlow识别应用详解

卷积神经网络（CNN）各层原理与实现

在CNN中，卷积层是核心组成部分之一。卷积操作通过将滤波器与图像区域进行逐元素相乘并求和，得到一个单一的值作为输出。具体代码如下：

#Element-wise multiplication between the current region and the filter.
curr_result = curr_region * conv_filter
conv_sum = numpy.sum(curr_result)
result[r, c] = conv_sum

在输入与每个滤波器进行卷积后， conv 函数会返回特征图。

ReLU层

ReLU层会对卷积层返回的每个特征图应用ReLU激活函数。代码调用如下：

l1_feature_map_relu = relu(l1_feature_map)

ReLU函数的实现如下：

def relu(feature_map):
    #Preparing the output of the ReLU activation function.
    relu_out = numpy.zeros(feature_map.shape)
    for map_num in range(feature_map.