用卷积神经网络实现MNIST数据集分类

在这节的内容中,我们用之前讲述的内容来搭建一个比较简单的卷积神经网络,实现MNIST手写数字体数据集的图片分类。

我们给出本次实验的CNN网络参数配置如下:

原始数据:输入为[28,28],输出为[1,10]

卷积核1:[5,5],32个特征 -->282832

池化核1:[2,2],最大池化 -->141432

卷积核2:[5,5],2个特征 -->141464

池化核2:[2,2],最大池化 -->7764

全连接1:[7764,1024]

全连接2:[1024,10]

输出: [1,1,10]

首先我们载入MNIST数据集,设置批处理大小,one_hot指的是独热码的编码(encoding)形式,有关于独热编码大家可以自己搜索下相关内容。

在这里插入图片描述
下面是定义初始卷积层函数和池化层函数,卷积层的输入是我们的图片大小,由于利用了填充,所以最后输出的还是原来的图片大小,28x28,只不过图片的通道数变大了,成了32,我们可以理解为图片的横截面变”厚”了;然后经过一层池化层的

  • 2
    点赞
  • 67
    收藏
    觉得还不错? 一键收藏
  • 1
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值