LeNet-5是一个较简单的卷积神经网络。下图显示了其结构：输入的二维图像，先经过两次卷积层到池化层，再经过全连接层，最后使用softmax分类作为输出层。关于CNN参见：https://blog.csdn.net/qq_42570457/article/details/81458077 LeNet ...
分类：
Web程序 时间：
2018-09-16 15:32:59
阅读次数：
337
在训练集上，神经网络越深，效果会越好吗？理论上是的，但传统神经网络做不到这一点。在神经网络的深度达到一定时，在训练集上，越深的网络效果可能越差，这就是退化问题。而ResNet可以处理这个问题。 ...
分类：
Web程序 时间：
2018-09-15 01:18:30
阅读次数：
458
全连接层网络结构：神经网络每两层之间的所有结点都是有边相连的。 卷积神经网络：1.输入层 2.卷积层：将神经网络中的每一个小块进行更加深入地分析从而得到抽象程度更高的特征。 3 池化层：可以认为将一张分别率较高的图片转化为分别率较低的图片，通过池化层，可以进一步缩小最后全连接层中节点的个数，从而达到 ...
分类：
其他好文 时间：
2018-09-05 12:49:17
阅读次数：
135
使用captcha.image.Image 生成随机验证码，随机生成的验证码为0到9的数字，验证码有4位数字组成,这是一个自己生成验证码，自己不断训练的模型 使用三层卷积层，三层池化层，二层全连接层来进行组合 第一步：定义生成随机验证码图片 第二步： 生成训练样本 第三步： 定义CNN，这里的CNN ...
分类：
编程语言 时间：
2018-09-03 13:51:04
阅读次数：
258
conv ：卷积层(2d就是二维平面的) kernel_size 卷积核大小 stride 每次移动的步长 padding 四周填充的大小，注意是四周所以在算下一层的向量维度时要将padding 乘以 2 maxpool2d 二维平面的池化层 dense：全链接层 Linear 一层神经元 输入维数 ...
分类：
其他好文 时间：
2018-09-02 14:32:38
阅读次数：
1390
GoogleNet的发展 Inception V1： Inception V1中精心设计的Inception Module提高了参数的利用率；nception V1去除了模型最后的全连接层，用全局平均池化层(将图片尺寸变为1x1)，在先前的网络中，全连接层占据了网络的大部分参数，很容易产生过拟合现象 ...
分类：
Web程序 时间：
2018-08-24 22:15:25
阅读次数：
296
记录一下filter，也就是用来提取要识别object边缘信息的过滤器的一些规律以及经验： 首先， 大部分卷积神经网络滤波器都会采用逐层递增（1? 3 ? 5 ? 7）的方式。其次，每经过一次池化层，卷积层过滤器的深度都会乘以 2。 提一个知识点，也就是权值共享，每当filter扫过feature ...
分类：
其他好文 时间：
2018-08-21 00:30:13
阅读次数：
306
1 - 引入 在我学习吴恩达老师Deeplearning.ai深度学习课程的时候，老师在第四讲卷积神经网络第二周深度卷积网络：实例探究的2.5节网络中的网络以及1×1卷积对1×1卷积做了较为详细且通俗易懂的解释。现自己做一下记录。 2 - 1×1卷积理解 假设当前输入张量维度为6×6×32，卷积核维 ...
分类：
其他好文 时间：
2018-08-16 23:45:43
阅读次数：
247
第5章-TensorFlow实现卷积神经网络CNN 5.1 卷积神经网络简介 卷积神经网络CNN最初是为了解决图像识别等问题设计的，当然现在的应用已经不限于图像和视频，也可以用于时间序列信号，比如音频信号、文本数据等。 在深度学习出现之前，必须借助SIFT、HoG等算法提取出有效而丰富的特征，再集合 ...
分类：
其他好文 时间：
2018-07-22 13:03:24
阅读次数：
194
1. 简述神经网络的基本特征和基本功能 答：基本特征：（A）非线性，人工神经网络处于激活状态或者抑制状态，变现出非线性的特征，可以提高容错性和存储容量（B）非局限性，一个神经网络可以由多个神经网络构成，一个系统不仅取决于单个神经网络特点，还取决于单元之间的相互作用。（C）非常定性，神经网络可以自适应 ...
分类：
其他好文 时间：
2018-07-18 21:45:18
阅读次数：
315
