机器学习系列（5）：卷积神经网络CNN之--原理及python实现

机器学习系列（5）:卷积神经网络CNN之--原理及Python实现

图片挂了，大家可以移步以下链接：
https://mp.weixin.qq.com/s?__biz=MzU4NTY1NDM3MA==&mid=2247483814&idx=1&sn=cbca57110684f795521fa5c96595360c&chksm=fd8608abcaf181bdab6a49da042f953429ee2d315d5e8eca74d7418ac14f39defc2d2b684193&token=255604471&lang=zh_CN#rd

CNN原理解释：

• 计算机视觉
• 边缘检测
• Padding
• 卷积步长
• 单卷积层
• 池化层
• 卷积神经网络示例
• 为什么选择CNN

Python实现：

• 见文章内容

申明

本文原理解释及公式推导部分均由LSayhi完成，供学习参考，可传播；代码实现部分的框架由Coursera提供，由LSayhi完成，详细数据及代码可在github查阅。
https://github.com/LSayhi/DeepLearning

CSDN博客：https://blog.csdn.net/LSayhi

微信公众号：AI有点可ai（文末附二维码，感谢您的关注）

1.计算机视觉：

• 计算机视觉是一门研究如何使机器学会“看”的学科，让机器能够从图像或多维图像中感知。其应用广泛，比如人脸识别、自动驾驶、风格转换等。在本系列先前的个人笔记中，我们将深度神经网络应用于识别猫，虽然取得了不错的效果，但是训练分类器的时间较长，本次我们将介绍卷积神经网络（CNN）,这种流行的网络结构广泛应用于计算机视觉领域，并取得了很好的效果。

2.边缘检测：

• 在本系列之前的识别猫的笔记中，我们提到了应用深度全连接的神经网络进行分类，当图像像素比较高时，将会遇到非常大的麻烦。举例说明，如Figure 1所示，若图片大小为1000×1000×3，第一层隐藏层神经元个数为1000，那么