tensorflow学习笔记——卷积神经网络的简单应用

最新推荐文章于 2022-12-19 17:00:00 发布
VIP文章 最新推荐文章于 2022-12-19 17:00:00 发布
阅读量1.9k 收藏 1
点赞数 9
分类专栏： tensorflow
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/qq_40692109/article/details/104149431
版权

数据集下载

本文用卷积神经网络实现MNIST数据集分类。可在这个网站下载MNIST数据集。下载后的数据如下图所示：

本文使用的网络包括2个卷积层和两个全连接层。卷积核大小为5×5，第一个卷积层有32个卷积核，第二个卷积层有64个卷积核。第一个全连接层有1024个节点，第二个全连接层有10个节点。

使用的激活函数为ReLU激活函数，优化器为Adam，ReLU+Adam也是我在论文里见的最多的搭配，最后一层我们还使用了softmax激活函数，这是多分类问题中最常用到的，最后使用交叉熵损失函数，softmax+交叉熵损失函数也是多分类问题最常用的搭配。

ReLU激活函数

公式：

f(x)=max(0,x)

图像：

ReLU函数在x<0时，输出始终为0。由于x>0时，ReLU函数的导数为1，所以ReLU函数能够在x>0时保持梯度不断衰减，从而缓解梯度消失的问题，还能加快收敛速度，还能是神经网络具有稀疏性表达能力，因此它应该是目前使用最广泛的激活函数。

softmax激活函数

公式：

最低0.47元/天 解锁文章
红鱼鱼
关注
  • 9
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 3
    评论
专栏目录
TensorFlow实战之实现卷积神经网络的实例讲解
weixin_51463905的博客
06-16 1003
本文根据最近学习TensorFlow书籍网络文章的情况,特将一些学习心得做了总结,详情如下.如有不当之处,请各位大拿多多指点,在此谢过。 一、相关性概念 1、卷积神经网络（ConvolutionNeural Network，CNN） 19世纪60年代科学家最早提出感受野（ReceptiveField）。当时通过对猫视觉皮层细胞研究，科学家发现每一个视觉神经元只会处理一小块区域的视觉图像，即感受野。20世纪80年代，日本科学家提出神经认知机（Neocognitron）的概念，被视为卷积神经网络最初的实现原型。
Tensorflow笔记——卷积神经网络
qq_55977554的博客
09-07 3172
每个神经元与前后相邻的每一个神经元都有连接关系。（可以实现分类和预测）：（前层*后层+后层）如下面构建的这个全连接神经网络，其参数量为28*28*128w+128b+128*10w+10=101770个而上面的代码就是Mnist数据集分类的全连接神经网络模型，而在实际应用中，我们所处理的图像不是灰度图，大部分是彩色图，这样会涉及到更多的参数，虽然全连接网络一般被认为是分类预测的最佳网络，但是当待优化参数过多，容易导致模型过拟合。
第七课 TensorFlow实现卷积神经网络
biyesheji1000的专栏
02-13 1913
TensorFlow实现卷积神经网络 一 本节课程介绍 1.1 知识点 1、卷积神经网络介绍； 2、TensorFlow实践CNN网络； 二 课程内容 2.1 卷积神经网络基本介绍 卷积神经网络是一种使用卷积结构构建的神经网络模型，其特点是局部感知、权值共享，池化减少参数和多层次结构。 其基本结构包括输入层、卷积层、降采样和全连接输出层。其中每一层都由卷积核对图像进行卷积计算，将计算到的矩阵称称为特征图，特征图在原图像所映射的区域称之为感受野。一般而言，第一个卷积层的感受野大小等于卷积核大小，而之后的卷积
TensorFlow学习笔记（5）之卷积神经网络
m0_63848276的博客
12-19 448
B站曹健老师tensorflow课程笔记
tensorflow卷积神经网络详解（1）
诚朴勇毅
10-08 254
定义模型，卷积层 def conv2d(x, W, b, strides = 1) """ 生成卷积层(ReLU) :param x:输入 :param W:权值 :param b:偏置 :param strides:滑动步幅 :return: """ x = tf.nn.conv2d(x, W, strides = [1, strides, strides, 1], padding='SAME') #卷积层，输入x的权重为W, s
AI学习笔记——卷积神经网络（CNN）
02-24
上篇文章简单地地介绍了神经网络和深度学习，在神经网络中，每一层的每个神经元都与下一层的每个神经元相连(如下图)，这种连接关系叫全连接（FullConnected）。如果以图像识别为例，输入就是是每个像素点，那么每一...
tensorflow学习笔记之mnist的卷积神经网络实例
09-20
主要为大家详细介绍了tensorflow学习笔记之mnist的卷积神经网络实例，具有一定的参考价值，感兴趣的小伙伴们可以参考一下
《动手学——卷积神经网络基础》笔记
01-06
卷积核的尺寸通常小于输入数组，卷积核在输入数组上滑动，在每个位置上，卷积核与该位置处的输入子数组按元素相乘并求和，得到输出数组中相应位置的元素。图1展示了一个互相关运算的例子，阴影部分分别是输入的第一...
神经网络 CNN
weixin_33842304的博客
11-26 101
# encoding=utf-8import tensorflow as tfimport numpy as npfrom tensorflow.examples.tutorials.mnist import input_datamnist = input_data.read_data_sets('MNIST_data', one_hot=True)def weight_variable(shap...
【python】卷积神经网络
paxlhhh
07-22 7469
卷积神经网络
Tensorflow项目（5）—卷积网络手写数字识别
weixin_43301259的博客
09-15 269
卷积网络手写数字识别一级目录二级目录三级目录 一级目录 二级目录 三级目录 import numpy as np import tensorflow as tf import PIL from PIL import Image import io import sys sys.stdout = io.TextIOWrapper(sys.stdout.buffer,encoding=‘utf-8’) def binarize_image(img,threshold): img=numpy.array(img)
卷积神经网络应用实例,卷积神经网络实际应用
kfc67269的博客
08-22 2706
border_mode可以是valid或者full，具体看这里说明：.conv2d#激活函数用tanh#你还可以在(Activation('tanh'))后加上dropout的技巧: (Dropout(0.5))(Convolution2D(4, 5, 5, border_mode='valid',input_shape=(1,28,28))) (Activation('tanh'))#第二个卷积层，8个卷积核，每个卷积核大小3*3。同时，图像预处理的好坏也会影响到提取的特征。
卷积神经网络简单的应用（一）：目的与数据
小强强的博客
03-29 1315
目的构建一个卷积神经网络对性别以及美丽程度（beautiful or handsome）进行识别。数据准备模型中采用的数据来自百度搜索数据，为了效率可采用爬虫（大家可以在以下相关代码上进行更改）：http://blog.sina.com.cn/s/blog_13927ddb50102w2m1.html，下图为采集的相关图片。数据预处理为了数据在输入模型时具有统一的大小，对数据进行了大小的转换，统一...
tf学习（六）—— 优化器的使用
qiurisiyu的博客
05-20 1439
使用不同优化器可以得到不同的效果，差别在于收敛速度不同#梯度下降函数，优化器就会按照循环的次数一次次沿着loss最小值的方向优化参数了。train_step = tf.train.GradientDescentOptimizer(0.2).minimize(loss)#优化器# train_step = tf.train.AdamOptimizer(0.001)#收敛速度比较快# train_st...
卷积神经网络的应用
gezongbo的博客
04-07 2839
卷积神经网络的应用1. 目标检测2. 图像分类3. 图像语义分割4. 人脸识别参考文献 1. 目标检测 目标检测是计算机视觉领域中一个重要的课题，主要任务是从图像中定位感兴趣的目标，需要准确地判断每个目标的具体类别，并给出每个目标的边界框。近年来 ，目标检测在智能视频监控、车辆自动驾驶 、机器人环境感知等领域都有着广泛的应用。然而，由于视角、遮挡、姿态等因素引起目标发生形变，导致目标检测成一个具有挑战性的任务[9]。目标检测任务可分为两个部分:目标分类和目标定位. 目标分类负责判断输入图像中的目标的类别;目
深度学习——卷积神经网络在tensorflow框架下的应用案例
loveliuzz的博客
01-20 9532
一、简单的卷积神经网络的小应用 tensorflow框架下构建训练一个简单的3层卷积神经网络实现分类问题 （一）数据集介绍——SIGNS Datasets 教电脑破译手语，在白色的墙壁前拍照，得到以下数据集。 现在的任务是建立一个算法，使有语音障碍的人与不懂手语的人交流。 训练集：1080张图片，每张图片大小为：64*64*3，表示数字0至5，每个数字的图片为180张
卷积神经网络(四)——应用
zhao_crystal的博客
03-08 7718
1. 卷积神经网络的应用 图像风格转换 图像修复 换脸 图像超清化 图像翻译 文字生成图像 2. 卷积神经网络学到了什么 卷积神经网络的每一层激活值都可以看作是图像的抽象表示。（卷积神经网络中某层的每个激活值都可以看作是一个分类器，众多的分类结果组成了抽象表示。层级越高，特征抽象程度越高。） 3. 图像风格转换-V1 （1）内容特征&风格特征 内容特征：图像输入到CNN得到的某一层的激活值。 使用内容特征生成图像： 保持卷积神经网络的参数不变 调整图像X.
卷积神经网络简单的应用（二）：模型构建与训练
小强强的博客
03-30 2911
模型构建文中采用了Tensorflow框架进行模型的构建，这里简单介绍下Tensorflow的安装（在Anaconda上安装）：⑴Anaconda安装：https://www.anaconda.com/download/，选择支持py36的版本；⑵直接在命令行中安装Tensorflow：pip install tensorflow；⑶测试是否已经安装好Tensorflow：import tenso...
深度学习之简单卷积神经网络示例
lml77的博客
03-21 2945
*单层卷积网络 *简单卷积网络示例 *池化层（Pooling layers） *卷积神经网络示例 *为什么使用卷积？ *卷积神经网络与计算机视觉 一、单层卷积网络 卷积神经网络参数计算： 二、简单卷积网络示例 简单卷积网络示例（第一卷积层）： 简单卷积网络示例（第二卷积层）： 简单卷积网络示例（第三卷积层）： 简单卷积网络示例（输出层）： 简单卷积网络完整结构： 三、池化层（Poo...
python神经网络训练完了怎么输入得到结果_tensorflow学习笔记之简单的神经网络训练和测试...
最新发布
05-20
以下是使用 TensorFlow 进行简单神经网络训练和测试的示例代码： ```python import tensorflow as tf # 定义输入数据 x = tf.placeholder(tf.float32, [None, input_size]) # 定义模型参数 W = tf.Variable(tf....

“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 3
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