卷积神经网络
卷积神经网络的基本构成:
卷积层+池化层+全连接层
网络的整体思路架构是:卷积层+池化层+非线性变化层,然后到全连接层将输入归结到不同 类别的概率值;
LeNet
输入尺寸是32*32像素;卷积层3个;降采样层2个;全连接层1个;输出10个类别。
AlexNet
关于AlexNet的来源连接:
https://www.jianshu.com/p/58168fec534d
https://zhuanlan.zhihu.com/p/50773199
输入尺寸:227*227;卷积层;降采样层;标准化层;输出:1000个类别。
模块1和模块2:
卷积-激活函数-降采样-标准化(卷积过程标配)
一层卷积,一层降采样这样循环的,中间适当地插入一些函数来控制数值的范围,以便后续的循环计算
模块3和模块4:
也是两个卷积过程,差别是少了降采样,原因就跟输入的尺寸有关,特征的数据量已经比较小了,所以没有降采样
模块5:
也是一个卷积过程,卷积-激活函数-降采样
模块一到五其实都是在做卷积运算,根据输入的图像尺寸在适当决定哪几层要用降采样。然后再加上一些必要的函数来控制数值。
模块6和模块7:
模块6和7都是全连接层,全连接层就和人工神经网络的结构一样的