最近开始学习深度学习,先从各种网络模型开始学起!
一、先详细讲解最简单的LeNet网络
(采用最常见的LeNet网络图形和BP算法的求解过程:)
1.LeNet-5含输入层共有8层,其中C1,C3,C5为卷积层,S2,S4为降采样层,F6为全连接层,还有一个输出层。每一个层都有多个Feature Map(每个Feature Map中含有多个神经元),输入通过一种过滤器作用,提取输入的一种特征,得到一个不同的Feature Map。
第一层:输入层,输入图像的大小为32*32,这要比mnist数据库中的最大字母(28*28)还大,这样做的目的是希望潜在的明显特征,比如笔画断续,角点等能够出现在最高层特征监测子感受野的中心。
第二层:c1卷积层,卷积运算的作用:通过卷积运算,可以使原信号特征增强,并且降低噪声。
卷积对于二维图像中的效果就是:对于图像中的每个像素邻域求加权和得到该像素点的输出值。c1层有6个5*5大小卷积核,卷积层计算公式