深度学习入门课笔记（二）

已于 2022-01-22 19:32:15 修改
阅读量1.4k 收藏
点赞数
分类专栏： 笔记 文章标签： 深度学习 人工智能 计算机视觉
于 2022-01-11 17:38:55 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/m0_61624005/article/details/122406151
版权

目录

卷积神经网络

卷积神经网络发展史

猫的视觉系统实验

第一个卷积神经网络雏形——新认知机

第一个大规模商用卷积神经网络——Lenet—5

第一个技惊四座的卷积神经网络——Alexnet

卷积层

 池化层

Lenet-5

卷积神经网络

卷积神经网络发展史

猫的视觉系统实验

1.神经元存在局部感受区域（感受野）

2.细胞对角度有选择性

3.细胞对运动方向有选择性

启发：

视觉系统是分层、分级的进行处理，从低级到高级的抽象过程\rightarrow堆叠使用卷积和池化

神经元实际上是存在局部的感受区域的（局部敏感）\rightarrow神经元局部连接

第一个卷积神经网络雏形——新认知机

具有层级结构的神经网络

缺点：无反向传播算法更新权值，模型性能有限

第一个大规模商用卷积神经网络——Lenet—5

缺点：无大量数据和高性能计算资源

第一个技惊四座的卷积神经网络——Alexnet

2012年，AlexNet获得ILSVRC分类任务冠军，拉开了卷积神经网络统治图像领域序幕。

卷积层

补充：图像识别特点：特征具有局部性、特征可能出现在任何位置、下采样图像不会改变图像目标

最低0.47元/天 解锁文章
是帆帆不是凡凡呀
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
bp神经网络隐含层神经元个数_如何确定神经网络的层数和隐藏层神经元数量
weixin_39840733的博客
11-21 2万+
一、导语BP神经网络主要由输入层、隐藏层、输出层构成，输入和输出层的节点数是固定的，不论是回归还是分类任务，选择合适的层数以及隐藏层节点数，在很大程度上都会影响神经网络的性能。图源：吴恩达-深度学习输入层和输出层的节点数量很容易得到。输入层的神经元数量等于待处理数据中输入变量的数量，输出层的神经元的数量等于与每个输入关联的输出的数量。但是真正的困难之处在于确定合适的隐藏层及其神经元的数量。二、隐藏...
深度学习总结
吴明耀の博客
01-02 1950
神经网络： 目的：            对自然界的某种函数的逼近。例如：一张图片和该图片的语义（即该图片的内容）之间是一种函数关系，只要能找到这个函数，机器就能识别一张图片内容。     支撑点：            能力+效率   /*********************************分割线**************************************...
python学习笔记第二课：语法入门之基本数据类型（自查使用）
linsea8203的博客
04-16 153
4、Python语法入门之基本数据类型 Egon林海峰 ​ 若有一天我写不动了，因此专栏受益的后生们要记得继续写下去哦！ 127 人赞同了该文章 目录 一 引子 二 数字类型 2.1 int整型 2.1.1 作用 2.1.2 定义 2.2 float浮点型 2.2.1 作用 2.2.2 定义 2.3 数字类型的使用 三 字符串类型str 3.1 作用 3.2 定义 3.3 使用 四 列表list 4.1 作用 4.2
全连接层的神经元计算方式
行则终至
07-13 2448
https://zhuanlan.zhihu.com/p/33841176 怎么样把3x3x5的输出，转换成1x4096的形式 很简单,可以理解为在中间做了一个卷积 全连接层可以看成拿4096个卷积核，卷积核的大小为335 去和原始数据卷积 生成 每个卷积核和输入图像进行这样的卷积（蓝色部分去掉）生成一个数 最后生成1*4096个数 （曾经的思维误区: 认为卷积核必须是nn的二维图像，其实卷积核是可以是MN*N的立方体核） ...
【深度学习】卷积神经网络CNN
小马日记
09-03 1107
一、传统神经网络 1、 神经元： 一个神经元的神经网络基本为z=WX+bz = WX+bz=WX+b。其中： （1）xi\displaystyle x_{i}xi​表示输入向量 （2）wi\displaystyle w_{i}wi​为权重，几个输入则意味着有几个权重，即每个输入都被赋予一个权重 （3）b为偏置bias，提高泛化能力。 （4）g(z) 为激活函数，一般为sigmoid函数，目的是将输...
深度学习笔记（二）
liuyuexian123的博客
03-24 368
深度学习笔记（二） 文章目录深度学习笔记（二）前言一、偏导数二、梯度三、链式法则总结 前言 数学分析没学好，再来复习一下偏导数、梯度、链式法则。 一、偏导数 在深度学习中，函数通常依赖于许多变量。因此，我们需要将微分的思想推⼴到这些 多元函数（multivariate function）上。设 y = f(x1, x2, . . . , xn) 是⼀个具有 n 个变量的函数。y 关于第i 个参数xi的偏导数（partial derivative）为： 为了计算 ∂y/∂xi ，我们可以简单地将
南京大学最好的人工智能科普&入门课的个人课程笔记与课程作业.zip
03-09
可用于人工智能大作业、毕业设计、课程设计学习交流使用
动力节点Docker入门到进阶教程学习笔记分享
07-18
本课程主要学习知识点：“7个深度/3个全面”；针对Docker的知识体系，无需再查找任何其它资料。真正做到一课在手，无需它求。 1.深度剖析了Windows的Hyper-V虚拟化原理、Docker引擎的现代架构体系、多架构镜像原理。...
伯克利人工智能导论课cs188四层神经网络
07-22
伯克利人工智能导论课cs188作业，训练四层神经网络，包括说明文档，可以作为入门资源学习。没有用到框架，属于纯手写神经网络
重庆大学机器学习课程时所完成的笔记、作业、实验等内容，代码基于Python实现
05-16
这门机器学习入门课应该算得上是他的成名作之一（另一个是深度学习课程），在 Coursera 上拥有数十万的学习者（注意这是花钱买了证书的人，一个证书几百刀），白嫖学习者数量也必然是另一个数量级了。 Supervised ...
强化学习中文讲义。随着DeepMind公司开发的AlphaGo升级版master战胜围棋世界冠军，其背后应用的强化学习思想受到了
04-16
我在跟随这套教程学习的过程中一边听讲、一边笔记，最后编写代码实践，终于算是对强化学习的概念终于有了初步的认识，算是入门了吧。为了巩固加深自己的理解，同时也能为后来的学习者提供一些较为系统的中文学习资料...
开课吧 深度学习与神经网络
wechat_fee1024的博客
04-24 1388
在现实世界中，许多问题可以归类为分类或识别或选择。例如，走，下一个棋子会掉在哪里。为了研究这类问题，学术界开发了一种叫做“神经网络”的学习策略。 这个词听起来好像和人脑有关。负责人类大脑活动的基本单位是“神经元”。它以细胞体为主体，由许多不规则的树突状纤维环绕而成。我们可以把神经元的结构想象成一棵死树的树枝。人的大脑包含数百亿个神经元，这些神经元相互连接形成一个更大的结构，称为“神经网络”。 学术界试图模仿人类大脑的“神经网络”来建立类似的学习策略，也称为“神经网络”。 下图显示了神经网络的一般结构 ...
献给初学者：谈谈如何学习Linux操作系统
weixin_33712881的博客
05-20 3528
推荐：10年技术力作：《高性能Linux服务器构建实战Ⅱ》全网发行，附试读章节和全书实例源码下载！一、 选择适合自己的linux发行版谈到linux的发行版本，太多了，可能谁也不能给出一个准确的数字，但是有一点是可以肯定的，linux正在变得越来越流行， 面对这么多的Linux 发行版，打算从其他系统转到linux系统来的初学者可能会感到困惑，即便是忠实的 Linux 用户也没有时间和精力去挨个尝...
统计机器学习入门——分类2-CSDN公开课-专题视频课程
csdngkk的博客
08-08 138
"统计机器学习入门——老司机带你读经典"系列课程使用经典的ISLR（An Introduction to Statistical Learning with Applications in R）为教材，结合具体案例，介绍统计学习的基本概念和常用算法，希望大家能够有所收获...
深度学习基础之神经网络的数据表示
~Alleny~的博客
09-25 589
本文均以python作为语言基础。 1、张量（tensor） 张量的核心概念在于他是一个数据容器，其包含的数据几乎总是数值数据，因此，他是数字容器。张量是矩阵向任意维度的推广。张量的维度，一般成为轴。一般来说，当前的所有机器学习系统都使用张量来作为基本数据结构，因此，他很重要。 2、标量（0D张量） 包含一个数字的张量可以称为标量，也叫做0D张量，在Numpy中，用ndim属性来标识张量轴...
卷积神经网络相关计算（卷积层+全连接层）
weixin_41880928的博客
05-12 5672
1，卷积层计算 假设输入图像为二维矩阵X，尺寸为mⅹn，卷积核数量为C，尺寸为cⅹc，经过卷积运算后得到的输出Y尺寸为((m-c)/s+1)×((n-c)/s+1)。（池化层输出尺寸计算同卷积层） 为了直观的展示卷积操作，图2.1表示输入尺寸为5ⅹ5的图像，卷积核尺寸为3ⅹ3，滑动卷积窗口步长为1，偏置为0的卷积过程。 二维图像的卷积运算简单的说就是对应相乘再相加，如图，11+20+31+60+71+80+111+120+131=35,其他依次类推。 接下来计算卷积层的参数量， 输入尺寸是32323，有
卷积神经网络（LeNet）
AlanxZhang的博客
09-27 1408
先附上LeNet的网络结构图 1、Input 输入为一32*32的图像 2、C1层-卷积层 输入图片：32*32 卷积核大小：5*5 卷积核种类：6
深度学习Day-20：DenseNet算法实战 乳腺癌识别
最新发布
m0_51359915的博客
06-12 385
中的学习记录博客。
深度学习文献综述笔记csdn
08-09
CSDN（中国软件开发网）是一个优质的技术社区，其中包含了大量的关于深度学习的文献综述笔记。 在CSDN上，可以找到很多关于深度学习的文献综述，涵盖了各个方面的研究。这些文献综述笔记通常会陈述该领域的基本概念...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值