动态观察视频http://playground.tensorflow.org/
一、深层的神经网络
深度学习网络与更常见的单一隐藏层神经网络的区别在于深度,深度学习网络中,每一个节点层在前一层输出的基础上学习识别一组特定的特征。随着神经网络深度增加,节点所能识别的特征也就越来越复杂。
二、卷积神经网络
(一)卷积神经网络与简单的全连接神经网络的比较
1、全连接神经网络的缺点
(1)参数太多,在cifar-10的数据集中,只有32323,就会
有这么多权重,如果说更大的图片,比如2002003就需
要120000多个,这完全是浪费
(2)没有利用像素之间位置信息,对于图像识别任务来说,
每个像素与周围的像素都是联系比较紧密的
(3)层数限制
(二)卷积神经网络的发展历史
(三)卷积神经网络的结构分析
神经网络(neural networks)的基本组成包括输入层、隐藏层、
输
卷积神经网络介绍以及卷积层结构
最新推荐文章于 2024-07-19 13:52:31 发布
本文介绍了深度学习中的卷积神经网络,对比了全连接神经网络的缺点,阐述了卷积神经网络的发展历史。重点解析了卷积层的结构,包括过滤器、零填充、激活函数,以及卷积层API的使用,如`tf.nn.conv2d`。同时提到了池化层的作用和API,如`tf.nn.max_pool`。
摘要由CSDN通过智能技术生成