神经网络的类型

标签：network   img   图片   原来   使用   nbsp   深度   bubuko   padding   

前言

这是《一天搞懂深度学习》的第三部分，主要介绍多种多样的神经网络。

一、CNN（Convolutional Neural Network）

　　（1）CNN的概念

　　CNN，常被称作卷积神经网络，经常被用于图像处理。

　　CNN最关键的两个步骤是：卷积与池化。以下是它的过程图：

　　　　CNN之所以能够进行卷积，有两点理由：1.图像的模式会远远的小于整张图片；2.图像中相同的模式会出现在不同的位置。

　　　　CNN之所以能够进行池化，主要是因为图像中有很多冗余点，即使我们对它进行subsamble也不会改变整张图片的模式。

　　（2）卷积

　　　　所谓卷积，就是预定义比原始矩阵更小的矩阵，然后用这个矩阵与原来的输入矩阵进行矩阵乘法。可想而知，通过卷积之后矩阵的大小肯定会变小。假设原来的矩阵大小的是m*m,卷积的矩阵大小是n*n,那么卷积之后的矩阵大小为(m-n+1)(m-n+1)。如果你想要保持卷积后的矩阵的大小和原来的矩阵大小相等，那么你就要使用zero padding技术。

　　（3）池化

　　　　这里的池化一般指的是最大池化。最大池化，就是预先定义一个k*k的矩阵，然后确定卷积后的矩阵在这个k*k的矩阵中的最大值。池化后的矩阵大小为(m-n+1)/k*(m-n+1)/k。

神经网络的类型

标签：network   img   图片   原来   使用   nbsp   深度   bubuko   padding   

原文地址：https://www.cnblogs.com/whatyouknow123/p/8932325.html