神经网络实战记录5—将多层多分类神经网络改为多分类卷积神经网络

本文详细介绍了如何将卷积神经网络应用于图片识别任务中,包括调整网络结构,使用卷积层和池化层进行特征提取,以及添加全连接层进行最终分类。通过实践操作,展示了卷积神经网络在处理图像数据方面的优势。

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

1.删掉三个隐含层:

2.改用卷积神经网络来实现:
(1)因为卷积神经网络输入是图片,所以要先将x这个展开的一维的向量一个具有三通道的图片格式:
在这里插入图片描述
改成:

reshape之后还需要交换一下通道,perm就是通道的排列顺序:
这里的效果是把后两个挪到前面来, 前面的防盗后面去这样一个效果:

(2)进行第一个卷积层和pooling层:
在这里插入图片描述
激活函数是relu(第三个参数)
pooiling的步长最小得是2才能达到变小的效果
(3)同理再添加两层卷积层和池化层:
在这里插入图片描述
在这里插入图片描述
(4)再添加一个全连接层:
在这里插入图片描述

其他代码部分不变~~
3.最后的训练效果:
在这里插入图片描述
在这里插入图片描述

欧克~

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