读书笔记——《解析卷积神经网络 ——深度学习实践手册（魏秀参）》

最新推荐文章于 2024-09-10 21:39:58 发布
最新推荐文章于 2024-09-10 21:39:58 发布
阅读量2.1k 收藏 7
点赞数
分类专栏： 读书笔记 文章标签： CNN 深度学习 神经网络
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/madongao/article/details/79162481
版权
本文深入探讨了卷积神经网络（CNN）的发展历程、基本结构、关键部件，包括卷积层、池化层、激活函数的作用。介绍了经典网络模型如Alex-Net、VGG-Nets、Residual Network，并讨论了数据扩充、预处理、参数初始化、激活函数的选择及目标函数。此外，还提到了防止过拟合的正则化方法，以及超参数设定和网络训练的策略。
摘要由CSDN通过智能技术生成

#卷积神经网络（CNN）基本概念#

##发展历程##

  • 1959 加拿大神经科学家提出感受野概念
  • 1980日本科学家福岛邦彦提出神经认知模型，S-cells抽取局部特征—>卷积convolution层，C-cells抽象和容错—>池化pooling层
  • 1998 Yann LeCun 基于梯度学习的卷积神经网络LeNet 手写字体识别
  • 2012 Hinton AlexNet在ImageNet夺冠
  • 2015 改进激活函数，预测能力超过人类

##基本结构

  • 原始数据raw data representation—>卷积、池化、非线性激活函数（不同操作层的“堆叠”）—>映射为高级语义表示—>向任务目标映射==>“端到端”学习或“表示学习”
  • 前馈运算：对样本进行推理和预测
  • 反馈运算：将预测误差反向传播逐层更新参数
  • 两种运算交替以训练网络模型

##基本部件

  • “端到端”学习，替代特征表示+分类器
  • 网络某一层的输入通常是一个四维张量（高度，宽度，维度，mini-batch）

卷积层

  • 卷积核f可视为学习到的权重w，对不同位置的所有输入都是相同的，即卷积层的“权值共享”特性。可加入偏置项b。
  • 超参数：卷积核大小filter size、卷积步长stride
  • 作用：获取图像的局部信息，如边缘、颜色、形状、纹理等。
    汇合层（池化层）
  • 超参数&#x
最低0.47元/天 解锁文章
Oreooooooooo
关注
专栏目录
深度学习系列资料总结
专注大数据与人工智能技术分享，欢迎私信加群互相学习！
07-17 2万+
说明本系列深度学习资料集合包含机器学习、深度学习等各系列教程，主要以计算机视觉资料为主，包括图像识别、分类、检测、分割等，内容参考Github及网络资源，仅供个人学习。深度学习定义一般是指通过训练多层网络结构对未知数据进行分类或回归深度学习分类有监督学习方法——深度前馈网络、卷积神经网络、循环神经网络等；无监督学习方法——深度信念网、深度玻尔兹曼机，深度自编码器等。手写机器学习笔记github机器学习算法公式推导以及numpy实现github人工智能相关术语link。..................
机器学习、深度学习、神经网络学习资料集合(开发必备)
henhenha的博客
04-01 712
AI方面的学习资料，包含了学习社区、入门教程、汲取学习、深度学习、自然语言处理、计算机视觉、数据分析、面试和书籍等方面的知识。
解析卷积神经网络 ——深度学习实践手册 魏秀参
03-17
CNN_book_魏秀参，解析深度学习——卷积神经网络原理与视觉实践，去水印，相当不错的卷积神经网络入门资料，分享给大家就一起学习和研究。
《解析卷积神经网络—深度学习实践手册》—学习笔记
studyeboy的专栏
06-18 2294
文章目录绪论卷积神经网络基础知识基本结构前馈运算反馈运算卷积神经网络基本部件端到端思想卷积层汇合层激活函数全连接层目标函数卷积神经网络经典结构CNN网络结构中的重要概念经典网络案例分析卷积神经网络的压缩低秩近似剪枝与稀疏约束参数量化二值网络知识蒸馏 书籍链接 百度网盘 谷歌云盘 绪论 机器学习是人工智能的一个分支，它致力于研究如何通过计算的手段，利用经验（experience）来改善计算机系统自身...
【机器学习】卷积神经网络（CNN）
最新发布
fzy2003的博客
09-10 3014
卷积神经网络（CNN）是一种深度学习模型，通过多层结构实现图像识别等任务。CNN包括输入层、卷积层、池化层、全连接层和输出层。输入层接收原始数据，卷积层通过滑动卷积核提取图像特征，池化层进一步压缩特征图，减少过拟合并提高模型对平移等变换的鲁棒性。全连接层将提取的特征展开并进行分类或回归任务，输出层通过Softmax函数生成概率分布，完成最终预测。CNN广泛用于图像处理、手写数字识别等领域，具有很强的特征提取能力。
《《解析卷积神经网络—深度学习实践手册》》
zqq5210的博客
01-03 624
一个星期读了这本书，虽然不是很多，但是很有营养，在CNN方面介绍的很详细，也有很多tricks,原理性的东西也讲得很细腻，给自己扫了一遍盲点，从今后，每天坚持读技术书籍，使自己的内功更加深厚。
深度学习实践手册——魏秀参
06-06
解析卷积神经网络——深度学习实践手册，魏秀参，高清版pdf，原理性的东西真的讲的满好的
卷积神经网络CNN总结
weixin_34310785的博客
04-30 2236
从神经网络到卷积神经网络（CNN）我们知道神经网络的结构是这样的： 那卷积神经网络跟它是什么关系呢？其实卷积神经网络依旧是层级网络，只是层的功能和形式做了变化，可以说是传统神经网络的一个改进。比如下图中就多了许多传统神经网络没有的层次。   卷积神经网络的层级结构      • 数据输入层/ Input layer　　• 卷积计算层/ CONV layer　　• ReLU激励层 / ReLU l...
卷积神经网络的卷积核参数如何更新_笔记之《解析卷积神经网络》
weixin_39884100的博客
11-23 5682
引言：《解析卷积神经网络》是 @魏秀参 博士撰写的深度学习实践手册，主要以卷积神经网络为主体，可以在魏博士个人主页获取电子版，解析卷积神经网络——深度学习实践手册。之前和学弟约定好，《解析卷积神经网络》作为暑假需要看的资料之一，近日花费数小时阅读了一番，基本涵盖了卷积神经网络的基础概念、实践操作等，内容也不多，平时看看复习一下也不错，这篇文章的目的是为个人复习所用，同时也便于之后在这个基础上丰富卷...
深度学习是表示学习的经典代表（浅谈什么是深度学习）
王博（Kings）的博客
02-21 3538
目录   先来看机器学习： 什么是特征？ 深度学习是表示学习的经典代表： 深度学习的过程： 深度学习与传统机器学习差别： 深度学习代表算法： 先来看机器学习： 机器学习是利用经验experience来改善 计算机系统自身的性能，通过经验获取知识knowledge。 以往都是人们向计算机输入知识，现在是通过经验的“特征”数据来产生模型model（传统的机器学习） 什么是特征？ ...
YJango的卷积神经网络——介绍
周红伟讲AI
07-06 3218
YJango的卷积神经网络——介绍 本文作者：雷锋专栏 2017-07-04 17:16 导语：这里对卷积神经网络的讲解主要是以不同的思考侧重展开，通过对卷积神经网络的分析，进一步理解神经网络变体中“因素共享”这一概念。 雷锋网按：本文来源 知乎，作者:YJango，雷锋网(公众号：雷锋网)授权转载。 PS：YJ
《卷积神经网络》
05-26
第一章回顾了理解卷积神经网络的动机；  第二章阐述了几种多层神经网络 ，并介绍当前计算机视觉领域应用中最成功的卷积结 构；  第三章具体介绍了标准卷积神经网络中的各构成组件 ，并从生物学和理论两个角度分 析不同组件的设计方案 ；  第四章讨论了当前卷积神经网络设计的趋势及可视化理解卷积神经网络的相关研究工 作 ，还重点阐述了当前结构仍存在的一些关键问题
解析深度学习资料
07-30
本书作者俞栋、邓力均是该领域的著名专家，他们是深度学习在应用领域取得突破性进展的推动者与实践者，他们在书中分享的研究成果一定程度上代表了本领域最新的研究进展；译者俞凯、钱彦旻也是本领域的资深专家，并有众多实践成果。对于从事此领域研究的读者来说，本书无疑有重要的参考价值。
公开课 | 微信高级研究员解析深度学习在NLP中的发展和应用
AI科技大本营
06-25 3011
近年来，深度学习方法极大的推动了自然语言处理领域的发展。几乎在所有的 NLP 任务上我们都能看到深度学习技术的应用，并且在很多的任务上，深度学习方法的表现大大的超过了传统...
深度学习实验手册
qq_42814530的博客
09-26 1698
深度学习实验手册 文章目录深度学习实验手册一、基础理论1. 自定义感知机2. 验证图像卷积运算效果二、OpenCV部分1. OpenCV安装2. OpenCV基本操作1）读取、图像、保存图像3. 图像色彩操作1）彩色图像转换为灰度图像2）色彩通道操作3）灰度直方图均衡化4）彩色亮度直方图均衡化5）色彩提取6）二值化与反二值化4. 图像形态操作1）图像翻转2）图像仿射变换3）图像缩放4）图像裁剪5）图像相加6）图像相减7）透视变换8）图像腐蚀9）图像膨胀10）图像开运算11）图像闭运算12）形态学梯度5.
卷积神经网络CNN
richard2357的专栏
11-23 3496
近来在了解深度学习。深度神经网络的一大特点就是含有多隐含层。卷积神经网络（CNN）算是深度神经网的前身了，在手写数字识别上在90年代初就已经达到了商用的程度。本文中将简要介绍CNN，由于相应的博文资料已经很多，也写的很好，本篇最有价值的是参考资料部分。 前向神经网络数字识别 假设我们的图片是28*28像素的，使用最简单的神经网络进行识别，如图1 图1 输入层是像素值（一般使用黑
卷积神经网络
Vicky
04-07 642
卷积神经网络百度百科解释了解卷积简介池化什么是池化？池化的作用1.增大感受野2.平移不变性3.降低优化难度和参数示例 百度百科解释 卷积神经网络（Convolutional Neural Networks, CNN）是一类包含卷积计算且具有深度结构的前馈神经网络（Feedforward Neural Networks），是深度学习（deep learning）的代表算法之一 。卷积神经网络具有表征学习（representation learning）能力，能够按其阶层结构对输入信息进行平移不变分类（shif
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