一.全连接网络图
全连接 NN 特点:每个神经元与前后相邻层的每一个神经元都有连接关系。(可以实现分类和预测)
全连接网络的参数个数为: ∑(前层×后层+后层)
上图是针对一张分辨率仅为 28 * 28 的黑白图像(像素值个数为 28 * 28 * 1 = 784),全连接网络的参数总量就有将近 40 万个。
在实际应用中,图像的分辨率远高于此,且大多数是彩色图像,
连接网络一般被认为是分类预测的最佳网络,但待优化的参数过多,容易导致模型过拟合。
为了解决参数量过大而导致模型过拟合的问题,一般不会将原始图像直接输入,而是先
对图像进行特征提取,再将提取到的特征输入全连接网络。
下图就是将汽车图片经过多次特征提取后再喂入全连接网络
经过多次特征提取后再喂入全连接网络。
二.卷积神经网络框架图
卷积神经网络就是,借助神经核提取特征后,再将特征作为输入数据送入全连接网络。
卷积,就是特征提取器,包括,卷积层,批标准化层,激活层,池化层,舍弃层