环境:Pycharm2017.2,tensorflow 2.0.0b0,Win7,python3.6
感想:最近在研究卷积神经网络的构建和训练,权重(参数)是一个非常重要的概念,卷积层会用多个不同的卷积核,每个卷积核有m*n个权重,用来提取和强化图像的特征,主要利用了图像的局部相关性。全连接层,顾名思义,每一层的每个神经元都与上一层的每个神经元连接起来,每条连接都有一个权重和偏置来进行传递。
构建卷积网络如下:
import tensorflow as tf
from tensorflow.python.keras import datasets, models, layers
import os
class CNN(object):
def __init__(self):
model = models.Sequential()
# 第1层卷积,卷积核大小为3*3,32个卷积核,28*28为待训练图片的大小
model.add(layers.Conv2D(32, (3, 3), activation='relu', input_shape=(28, 28, 1)))
# 池化层
model.add(layers.MaxPooling2D(2, 2))
# 第2层卷积,卷积核大小为3*3,64个卷积核
model.add(layers.Conv2D(64, (3, 3), activation='relu'))
# 池化层
model.add(layers.MaxPooling2D(2, 2))
# 第3层卷积,卷积核大小为3*3,128个卷积核
mod