1.概述定义：卷积神经网络（Convolutional Neural Network,CNN）是一种前馈神经网络，它的人工神经元可以响应一部分覆盖范围内的周围单元，对于大型图像处理有出色表现。它包括卷积层(alternating convolutional layer)和池层(pooling layer)。卷积层（convolutional layer）：对输入数据应用若干过滤器，一个输入参数被用
转载
2023-11-27 10:02:00
96阅读
卷积神经网络（Convolutional Neural Network，CNN）是一种深度学习算法，广泛应用于图像识别、语音识别、自然语言处理等领域。卷积神经网络在图像识别中的应用得到了广泛的关注和研究。本文将介绍卷积神经网络在图像识别中的应用。卷积神经网络是一种由多个卷积层和池化层组成的神经网络。卷积层和池化层可以对输入的图像进行特征提取和压缩，以便后续的分类和识别。卷积层通过卷积运算对图像进行
转载
2023-08-07 08:50:24
194阅读
MNIST（Modified National Institute of Standards and Technology）数据库是一个大型手写数字数据库，通常用于训练各种图像处理系统。该数据库还广泛用于机器学习领域的培训和测试。它是通过重新打乱来自NIST原始数据集的样本而创建的。创作者认为，因为NIST的训练数据集来自美国人口普查局的员工，而测试数据集来自美国高中学生，这不是非常适合于机器学习
转载
2023-11-10 06:16:23
112阅读
目录前言一、准备工作二、导入数据集1.下载数据集2.装载数据集三、数据可视化四、搭建模型1.cnn框架构建2.模型实例化五、训练模型六、损失可视化总结一：优化网络二：心得体会参考尾声 前言随着深度学习的不断发展，神经网络也变得越来越热门。众所周知，cnn在图像分类问题上效果优越，本文将展示一个简单的卷积神经网络模型，使用mnist数据集进行测试。在本文后半段会给出本次实践的心得体会。一、准备工作首
转载
2023-07-10 15:06:57
163阅读
参考链接： 卷积神经网络在mnist数据集上的应用 Python作者：星空 QQ：1973683409 技术交流群： 需要源代码或者测试代码有问题的可以加星空的QQ或者交流群，星空也是刚刚入门的初学者，希望能和大家多多交流。 一、卷积神经网络的研究背景 卷积神经网络（Convolutional Neural Networks, CNN）是一类包含卷积计算且具有深度结构的前馈神经
转载
2021-02-19 02:55:31
74阅读
卷积神经网络( 1、基本结构组成介绍2、各层结构及原理介绍2.1、卷积层2.2、池化层2.3、全连接层3、训练 这一部分用来记录自己比较随意的学习经历及学习的主要心得，偶尔想到或者遇到什么，想搞懂就踏上了征程。 1、基本结构组成介绍(1)卷积神经网络非各层中的神经元是三维排列的:高度、宽度和深度，其中在卷积神经网络中的深度指的是激活数据体的第三个维度，而不是整个网络的深度。 整个网络的深度指的
转载
2023-08-11 21:01:47
397阅读
1 卷积神经网络卷积神经网络（Convolutional Neural Network,CNN），在此简单的介绍一下 自己的理解。卷积神经网络与普通神经网络的区别在于：卷积神经网络比神经网络多包含了一个由卷积层和子采样层构成的特征抽取器。在卷积神经网络的卷积层中，一个神经元只与部分邻层神经元连接。在CNN的一个卷积层中，通常包含若干个特征平面(featureMap)，每个特征平面由一些矩形排列的的
转载
2023-10-19 21:07:41
54阅读
前面篇幅介绍的全连接层和简单卷积神经网络，层数都比较少，现在来加多几层，对于加深了的深度神经网络，其实就是我们常说的深度学习，类似搭积木，只需要叠加层即可。现在来构建一个深度的CNN，这里使用的卷积层全是3x3的小型滤波器，特点是随着层的加深，通道数在变大，然后经过池化层逐渐减小中间数据的空间大小。我们
转载
2023-12-26 15:16:16
41阅读
1、普通神经网络的缺点：参数太多，样本也要求很多 我们举个例子，假设我们训练的图片是100100像素点的，那么输入层就要有10000个输入，假设隐藏层神经元也是10000个，那么要训练的参数是1万1万，就是一亿个参数，参数只要亿点点（哈哈哈），况且我们生活中照片像素多的话几千*几千的，那么参数将会更多，我们的电脑将不堪重负。 另一方面，参数越多，那么就需要大量样本进行训练。有一种说法，样本最好是未
转载
2023-07-14 17:37:09
58阅读
mnist的卷积神经网络例子和上一篇博文中的神经网络例子大部分是相同的。但是CNN层数要多一些，网络模型需要自己来构建。 一、网络结构 二、代码 程序比较复杂，我就分成几个部分来叙述。 首先，下载并加载数据： import tensorflow as tf
import tensorflow.examples.tutorials.mnist.input_data as input_data
转载
2024-01-12 21:32:26
88阅读
学了一段深度学习，最近学了tensorflow，所以想自己去根据教程写一个简单的卷积神经网络。CNN：卷积神经网络的实现一个卷积神经网络的结构一般是由输入-->卷积-->池化-->卷积-->池化-->............-->全连接-->全连接-->输出，这样的一层层构建起来的网络。本代码构建了一个含有两个卷积层，两个池化层和两个全连接层的网络，
转载
2023-11-27 09:45:07
87阅读
导语关于卷积神经网络理论的学习，可以看：卷积神经网络。
原创
2021-08-03 09:56:26
210阅读
原创 lightcity 光城 2019-02-06导语关于卷积神经网络理论的学习，可以看：卷积神经网络。本节学习来源斯坦福大学cs20课程，有关本节源代码已同步只至github，欢迎大家star与转发，收藏！cs20是一门对于深度学习研究者学习Tensorflow的课程，今天学习第 六与七节，非常有收获，并且陆续将内容写入jupytebook notebook中，有关这个源代码及仓库地址，大家可
转载
2021-03-17 15:39:52
200阅读
1、卷积神经网络简介卷积神经网络（Convolutional Neural Network, CNN）作为一个深度学习架构被提出的最初诉求，是降低对图像数据预处理的要求，以及避免复杂的特征工程。CNN不需要将特征提取和分类训练分开，它在训练的时候就自动提取了最有效的特征。 CNN最大的特点是卷积的权值共享结构，可以大幅度减少神经网络的参数量，防止过拟合的同时又降低了神经网络模型的复杂度。一个卷积神
转载
2023-11-27 21:33:48
64阅读
总结下训练神经网络中最最基础的三个概念：Epoch, Batch, Iteration。1.名词解释epoch：训练时，所有训练数据集都训练过一次。batch_size：在训练集中选择一组样本用来更新权值。1个batch包含的样本的数目，通常设为2的n次幂，常用的包括64,128,256。 网络较小时选用256，较大时选用64。iteration：训练时，1个batch训练图像通过网络训练一次（一
转载
2023-09-22 21:36:43
167阅读
一、神经网络为什么比传统的分类器好1.传统的分类器有 LR（逻辑斯特回归） 或者 linear SVM ，多用来做线性分割，假如所有的样本可以看做一个个点，如下图，有蓝色的点和绿色的点，传统的分类器就是要找到一条直线把这两类样本点分开。对于非线性可分的样本，可以加一些kernel核函数或者特征的映射使其成为一个曲线或者一个曲面将样本分开。但为什么效果不好，主要原因是你很难保证样本点的分布
转载
2023-11-26 17:07:29
166阅读
在以往的手写数字识别中，数据集一共是70000张图片，模型准确率可以达到99%以上的准确率。而本次实验的手写数字数据集中有120000张图片，而且数据集的预处理方式也是之前没有遇到过的。最终在验证集上的模型准确率达到了99.1%。在模型训练过程中，加入了上一篇文章中提到的早停策略以及模型保存策略。1.导入库import numpy as np
import tensorflow as tf
imp
转载
2023-12-31 17:19:15
237阅读
卷积神经网络全连接网络的局限性对于MNIST 手写数字识别，假如第一个隐层的节点数为500，那么一个全连接层的参数个数为：28×28×1×500+500 ≈ 40万。 当图片分辨率进一步提高时，当隐层数量增加时，例如：600 x 600 图像，各隐层节点数分别为300,200和100，则参数个数为：600 x 600 x 300 + 300 x 200 + 200 x 100≈ 1.08亿。 参数
转载
2024-04-08 10:20:21
84阅读
卷积神经网络想必大家都不陌生，这里之前很早写的卷积神经网络的程序，拿出来和大家分享一下 卷积神经网络的tensorflow实现WhatHow主文件：Convolutional_Neural_Network.py导入其他定义支持文件：cnn_define.pycnn_layer2add_layer_5x5conv2d_conventionalmax_pool_2x2_nonrepeat其他定义结果与
转载
2023-12-07 15:17:41
29阅读
一 Tensorflow的游乐场及其神经网络的简介 此块，我们将通过Tensorflow的游乐场来快速的介绍神经网络的主要功能。Tensorflow游乐场的链接如下所示：https://playground.tensorflow.org，这是一个可以通过网络浏览器就可以训练的简单的神经网络，并可以实现可视化训练过程的工具。其具体的截图如下所示：&
转载
2023-12-20 06:47:02
61阅读
