目录
一、CNN基本模块
CNN由输入层和输出层以及多个隐藏层组成。
1.CNN的输入层一般是二维向量,可以有高度,比如,RGB图像
2. 隐藏层可分为卷积层,池化层、激活层和全连接层。
3.卷积层是CNN的核心,层的参数由一组可学习的滤波器(filter)或内核(kernels)组成,它们具有小的感受野,延伸到输入容积的整个深度。
4.池化的功能是不断降低维数,以减少网络中的参数和计算次数。缩短了训练时间并控制过度拟合。
5. 激活层主要作用是将输出结果做线性映射,激活层由激活函数组成。通过非线性映射,网络将特征映射到高维的非线性区间,增强网络的表达能力。</