1.卷积层和池化层
卷积层:被称为过滤器或者内核或者卷积核,通过卷积操作对输入图像进行降维和特征抽取
池化层:在进行卷积操作之后对得到的特征图像进行分块,图像被划分成的不相交块,计算这些块内的最大值或平均值,得到池化后的图像。
池化层作用:
- 降维,缩减模型大小,提高计算速度
- 降低过拟合概率,提升特征提取鲁棒性
- 对平移和旋转不敏感
目的:
1.使特征图变小,简化网络计算复杂度。
2.特征压缩,提取主要特征
3.加快计算速度
4.防止过拟合
5.缩小最后全连接层中节点的个数,减少整个神经网络参数
2.激活函数的作用
1.提高模型鲁棒性(抗干扰能力),非线性表达能力,缓解梯度消失问题、加速模型收敛
2.将当前特征空间映射转换到另一个空间,让数据能够更好的被分类
3.非线性激活函数:·假若网络中全部是线性部件,那么线性的组合还是线性,与单独一个线性分类器无异;网络更加强大,学习复杂的事物,复杂的表单数据,从输入输出之间生成非线性映射。
3.猫狗分类
数据集下载
网络配置
优化方法