深度学习--CNN

最新推荐文章于 2023-05-12 17:43:01 发布

颖火虫盟主

最新推荐文章于 2023-05-12 17:43:01 发布

阅读量383

点赞数

分类专栏： Pytorch深度学习文章标签：深度学习神经网络 pytorch

本文链接：https://blog.csdn.net/qq_41845870/article/details/113834568

版权

Pytorch深度学习专栏收录该内容

9 篇文章 1 订阅

订阅专栏

CNN

什么是CNN--李宏毅

什么是CNN–李宏毅

CNN(Convalutional Neural Network)卷积神经网络。就是神经网络，模型比DNN简单一点。对之前的完整的神经网络进行了处理。
常用到图像处理

Why CNN for Image？

一些参数可能很小，不需要把整个图片都放进神经网络
同样的pattern可能出现在图的不同位置。并不需要两个东西，公用一组参数就行了。
把图片变小，不影响识别，减少了参数。subsample

The whole CNN

CNN-Convolution

一个Filter1放在图片上做内积，一直平移上上下下左左右右。直到把整张图跑完。最后得到新矩阵。Filter2、Filter3、、、最后所有的放在一起叫做Feature Map。
如果是彩色图片,比如RGB有三个通道，把三个通道都处理了就行了。
李宏毅的PPT截图：

convolution VS Fully Connected

卷积和全连接的神经网络到底有什么关系，各有什么特点

卷积：其实就是一个Fully Connected拿掉一些位

convolution VS Fully Connected

Max Polling

Max Pooling是什么

Max Pooling

Flatten

就是把数据拉直变成一个向量，放到Fully Connected Feed forward network里面。可以看一下李宏毅的PPT，我不想粘贴图片了。

上课例子：CNN in Keras

#输入Filter是25个3*3的，输入的图片是单色1*28*28
mode12.add(Convolution2D(25,3,3),input_shape=(1,28,28))
#得到25*26*26
# Max Pooling 是2*2的size
mode12.add(MaxPooling2D((2,2)))
#得到25*23*13
mode12.add(Convolution2D(50,3,3)）
# 得到50*11*11 注意卷积之后因为卷积核Filter是3*3的所有，尺寸减2
mode12.add(MaxPooling2D((2,2)))
#得到50*5*5
#Flatten 把他拉直 变成50*5*5=1250的一个向量
mode12.add(Flatten())
#放到Feed forward network里面.........
#..........省略

But what dose CNN learn ?

CNN、神经网络到底原理是什么，凭什么相信它的结果？或许正是因为这样才叫人工智能，要是都一清二楚，就看起来不那么智能了。

没听懂，但是得到一个结论，Deep Neural Network are easily foolished

Deep Dream 的精神

把参数调大，夸大化它看到的东西。
Deep Dream

Deep Style

把照片变成一种艺术风格的图片
A Neural Algorithm of Artistic Style

More Application ：Playing Go

Why CNN for playing GO？

CNN应该用到什么场合

Some patterns are much smaller than the whole image.
The same patterns appear in different regions.
Subsampling the pixels will not change the object.但是Go使用的CNN，为什么，因为它把MaxPooling这个架构去掉了。要灵活使用，不要死脑筋。