qq_35789702的博客

很多人对这些有自己的理解，这就导致了—百花齐放，成功把人绕晕。比如说1.batch_size因为更新参数是按批次更新的，batch_size就是一个批次batch内的数量。2.iteration完成一次batch的训练3.epoch使用训练集中的全部数据进行一次完整的训练但是对照真正的代码，会很崩溃比如说epoch要不要设置，设置多少为好iteration也是一样有的代码中没有设置epoch，有的代码没有设置iteration，那到底要怎么才能看懂，这些的关系又是什么。手里有样本的总

最近用Keras写模型，其实CNN的结构相对来说还是比较容易理解的，无非就是参数的抉择1.activition就是激活函数啦，激活函数就是为了增加神经网络的非线性,不让它产生过拟合，常用的也就那么几种，relu,softmax,sigmoid,tanh，一般来说paper中用的较多的是relu,softmax,sigmoid2.padding这个在卷积层和池化层都是可选项，padding='same’表示需要在原图像的边缘补0，目的是使得卷积后的图像还和原图像保持一样大小。比如一个5X5的图片，被

1:首先你得准备好Pycharm，Anaconda然后是第三方类库numpy,tensorflow,matplotlib,kerasKeras框架能简单上手，高度集成，利用这个框架写出来的CNN就可以作图片识别了。我们这里识别minst数据集。[mnist数据集](链接：https://pan.baidu.com/s/1Jt4p5EYF5mPzhiGGhrMN3A提取码：mz1w)mnist数据集包含60,000个用于训练的示例和10,000个用于测试的示例。这些数字已经过尺寸标准化并位于图像中