TF基础5

本文探讨了卷积神经网络(CNN)的核心概念,包括权值共享、卷积层与池化层的作用,以及Padding策略。介绍了CNN的发展历程,从AlexNet到更深层次和多功能的网络,并展示了在MINIST数据集上的应用实例。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

卷积神经网络CNN

卷积神经网络的权值共享的网络结构显著降低了模型的复杂度,减少了权值的数量。
神经网络的基本组成包括输入层、隐藏层和输出层。

卷积神经网络的特点在于隐藏层分为卷积层和池化层。

padding

卷积核在提取特征映射时的动作称为padding,其中有两种方式:
不越过边缘取样称为Vaild Padding
越过边缘取样称为Same Padding

卷积神经网络的发展

Alexnet之后卷积神经网络的演化过程主要有4个方向的演化:一个是网络加深,二是增强卷积层的功能,三是从分类任务到检测任务,四是增加新的功能模块。
1436741-20190306102932815-1397952891.jpg

MINIST的AlexNet实现

一次完整的训练模型和评估模型的过程一般分为3个步骤:
加载数据
定义网络模型
训练模型和评估模型


转载于:https://www.cnblogs.com/Ann21/p/10481707.html

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
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