1.卷积神经网络的原理和结构
卷积神经网络中的主要层结构主要包含三个:卷积层、池化层和全连接层、通过堆叠这些层结构形成了一个完整的卷积神经网络结构,卷积神经网络将原始图片转换成最后的类别得分,其中一些层包含参数,一些层不包含参数,比如卷积层和全连接层包含参数,而激活层和池化层不包含参数。这些参数通过梯度下降法来更新,最后使得模型尽可能正确的识别出图片类别。
1.1卷积层
卷积层是卷积神经网络的核心, 大多数计算都是在卷积层进行的。
1.2池化层
池化层的作用是逐渐降低数据体的空间尺寸,这样就能减少网络中的参数数量,减少计算资源耗费,同时也能有效控制过拟合。
1.3全连接层
全连接层和之前介绍的一般的神经网络的结构是一眼的,每个神经元与前一层所有的全部连接,而卷积神经网络只和输入数据中的一个局部区域连接,并且输出的神经元每个深度切片共享参数。