TensorFlow2.0入门到进阶系列——5.2_卷积神经网络

1、理论部分

• 卷积神经网络
  • 卷积操作、池化操作
• 深度可分离卷积
• 数据增强
• 迁移学习

1.1、卷积神经网络

1.1.1 结构

• 卷积神经网络
  • （卷积层 + 池化层（可选）） * N + 全连接层 * M ；
    (其中，N >= 1，M >= 0，卷积层输入输出均为矩阵，全连接层输入输出均为向量。连接方法就是在卷积的最后一层做一个展平处理。全连接层输出可以是一个值，也可以是一个向量，也就是回归和分类。)
  • 分类任务、回归任务；
• 全卷积神经网络
  • （卷积层 + 池化层（可选）） * N + 反卷积层 * K；
  • 物体分割
    
    

1.1.2 神经网络遇到的问题

• 参数过多
  • 计算资源不足
  • 容易过拟合，需要更多训练数据
    
    
    
    
    
    
    
    
    
    
    
    答案：3 * 3 * 3 * 192
    完美解答
    
    
    
    

2、实战部分

• keras实现卷积神经网络
• keras实现深度可分离卷积
• keras实战kaggle
  • 10 monkeys和cifar10
  • 数据增强与迁移学习

2.1、keras实现卷积神经网络

#深度神经网络
model = keras.models.Sequential()

#定义第一个卷积层
model.add(keras.layers.Conv2D(filters = 32,              #32个通道（32个卷积核）
                              kernel_size=3,             #卷积核大小为3
                              padding='same',            #平均值池化
                              activation='relu',         #加padding是否要输入和输出大小一样
                              input_shape=(28,28,