tensorflow之深度学习-----第五天

最新推荐文章于 2023-11-29 13:02:43 发布
最新推荐文章于 2023-11-29 13:02:43 发布
阅读量175 收藏
点赞数
分类专栏： 深度学习--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_43498494/article/details/106682491
版权
本文介绍了卷积神经网络的基础知识，包括卷积层结构、激活层与池化层的作用。强调了CNN如何通过减少全连接层的权重数量来提升效率，并探讨了卷积层的步长和零填充策略。同时，文章还涉及面试中关于CNN的问题，以及如何利用CNN识别手写数字，强调了学习率的选择和防止过拟合的策略。
摘要由CSDN通过智能技术生成

文章目录

卷积神经网络介绍以及卷积层结构

在这里插入图片描述
一种特定的卷积结构：指定每一层怎么加，加的是什么层，经过这些层得到结果。
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
所以目的尽量减少最后一层全连接层的权重数量，因为是要线性方程求的。若是1000类别，即权重参数更多了。造成训练耗时间。此时可以在全连接层之前削减特征数量，只找出关键特征，之后全连接层就可以减少参数了。
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
所以输入以及输出结构怎么改，这就是CNN的灵活性，即基本结构是不变，只是将输出或者一些特定结构一改就可以做其他事情了。
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
一张图片经过很多层最后经过全连接层输出结果。
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

最低0.47元/天 解锁文章
qq_43498494
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
tensorflow之深度学习-----第三天
qq_43498494的博客
06-09 152
文章目录tensorflow解决读取数据、实现同步模拟 tensorflow解决读取数据、实现同步模拟
TensorFlow深度学习--前向传播demo龙良曲版
IT狂人
07-19 337
利用手写数据集Mnist，完成前向传播。 import matplotlib.pyplot as plt import tensorflow as tf import tensorflow.keras.datasets as datasets import os os.environ['TF_CPP_MIN_LOG_LEVEL']='1' plt.rcParams['font.size'] = 16 plt.rcParams['font.family'] = ['STKaiti'] plt.r..
CNN入门：通俗理解卷积神经网络
yongwan5637的博客
05-16 2408
 通俗理解卷积神经网络（cs231n与5月dl班课程笔记）1 前言    2012年我在北京组织过8期machine learning读书会，那时“机器学习”非常火，很多人都对其抱有巨大的热情。当我2013年再次来到北京时，有一个词似乎比“机器学习”更火，那就是“深度学习”。    本博客内写过一些机器学习相关的文章，但上一篇技术文章“LDA主题模型”还是写于2014年11月份，毕竟自2015年开...
深度学习CNN网络--卷积层、池化层、全连接层详解与其参数量计算
LittleRuby的博客
11-29 7825
看Training Curve 以及 Validation Curve，在其他条件理想的情况下，如果Training Accuracy 高， Validation Accuracy 低，也就是过拟合 了，可以尝试去减少层数或者参数。卷积核“滑动”的同时，计算权重矩阵和扫描所得的数据矩阵的乘积，然后把结果汇总成一个输出像素。12的图像，然后通过了一个全连接层用一个12x12x20x100的卷积层去卷积激活函数的输出，最终得到1*100 的向量。全连接层将学到的特征表示映射到样本的标记空间的作用。
keras主要模块
wwwsssZheRen的博客
03-02 692
Input(…): 用于实例化一个输入 Tensor，作为神经网络的输入。 average_pooling1d(…): 一维平均池化层 average_pooling2d(…): 二维平均池化层 average_pooling3d(…): 三维平均池化层 batch_normalization(…): 批量标准化层 conv1d(…): 一维卷积层 conv2d(…): 二维卷积层 c...
卷积神经网络系列（2）
weixin_44987948的博客
10-19 436
我们一般把滑动的步长成为stride，将原始尺寸为77的应用步长为2的33的filter后，每次都会向右移动两格再做卷积，移动两次之后发现右边没有可以继续提取的信息了，再从最开始的位置向下滑动两格之后再按照向右滑动的顺序提取特征，最终得到33的一个特征图。 一般来说，stride越小越好，因为在filter滑动过程中是在对原始信息进行特征提取，我们希望能够尽可能保留原始图像的更多信息，这样的得到的特征图也会更大。但是考虑到时间效率，stride=1一般不常用。还有，stride不能太大以至于漏掉原始信息，.
AlexNet的结构分析过程记录
AllYoung_362的博客
08-19 859
写总结也是为了帮助自己更好的理解，先是写给自己看，然后才是写给别人看。如果能在分享的过程中对他人有帮助是再好不过的事情，期待能够遇到志同道合的伙伴，但不强求。 为什么写这篇文章？ 在看完论文《ImageNet Classification with Deep Convolutional Neural Networks》之后，似懂非懂，想起向老师说过，看一些经典的论文时，一定要去考虑复现，只有复现了...
TensorFlow深度学习》--笔记版.pdf
04-06
本书《TensorFlow深度学习》主要面向人工智能特别是深度学习的初学者。作者通过分析人工智能领域中的简单问题，引导读者逐步提出设想、分析方案以及实现方案，使读者能够体会到科研工作者的发现之路，掌握分析问题和...
tensorFlow2.5.0+windows-cpu的dll和lib
04-12
TensorFlow 是一个强大的开源机器学习库，广泛应用于深度学习、人工智能和数据科学领域。TensorFlow 2.5.0 版本是该库的一个稳定版本，提供了许多改进和新特性，旨在提高性能和易用性。在Windows环境下，如果你的...
深度学习编程工具Tensorflow—实现LeNet-5
DIPDWC的博客
05-31 1248
Tensorflow框架实现LeNet-51. 目标与背景2. 基于LeNet的TensorFlow实现2.1 程序代码分析2.2 实验演示3. 结尾参考资料 1. 目标与背景 在这一讲中，我们将讲解深度学习的编程工具Tensorflow的基础使用规则。最初的深度学习编程工具主要由研究人员义务开发，免费发布供大家使用，如Caffe，在2014年，由美国加州大学伯克利分校贾扬清开发。随着深度学习技术的逐渐普及，开发深度学习的编程工具变得有利可图。因此，近年来编程工具的主要开发者变成了公司。 图1 贾扬清 下
【AlexeyAB DarkNet框架解析】十，池化层代码详解(maxpool_layer.c)
I good vegetable a!
02-22 1503
已经将所有的注释代码以及包含中文版README的AlexeyAB DarkNet总结在了这个网址上，需要自取：https://github.com/BBuf/Darknet 前言 继续阅读DarkNet的源码，今天主要来讲一下池化层的构造，前向传播，和反向传播。池化层的实现在src/maxpool_layer.c中。 原理 为了图文并茂的解释这个层，我们首先来说一下池化层的原理，池化层分为最大...
卷积神经网络(卷积层，激活函数Relu,池化层，计算公式及API解释)
热门推荐
Mogul的博客
11-19 5万+
1. 卷积神经网络 （卷积层，激活函数，池化层，全连接层） (1) 把神经网络的隐藏层分为卷积层和池化层(又叫下采样层) · 卷积层 ： 通过在原始图像上平移来提取特征 · 池化层 ： 通过特征后稀疏参数来减少学习的参数，降低网络的复杂度。 2. 卷积层：（定义过滤器） (1)大小 （观察窗口）、一般都是奇数(1*1、3......
卷积层与全连接层权重（参数）个数的计算
IT_BOY__的博客
09-05 1万+
环境：Pycharm2017.2，tensorflow 2.0.0b0，Win7 感想：最近在研究卷积神经网络的构建和训练，权重（参数）是一个非常重要的概念，卷积层会用多个不同的卷积核，每个卷积核有m*n个权重，用来提取和强化图像的特征，主要利用了图像的局部相关性。全连接层，顾名思义，每一层的每个神经元都与上一层的每个神经元连接起来，每条连接都有一个权重和偏置来进行传递。 构建卷积网络如下: im...
漫谈池化层
hey-yahei
11-04 1962
原文链接：漫谈池化层 | Hey~YaHei! 参考： 《Hands-On Machine Learning with Scikit-Learn and TensorFlow(2017)》Chap13 《Hands-On Machine Learning with Scikit-Learn and TensorFlow》笔记 《卷积神经网络——深度学习实践手册(2017.05)》 《Deep L...
池化层的一点个人理解
猴子2333博客
07-23 612
最近在自学深度学习，由于之前有一些不采用机器学习的图像处理经验，现在说说自己对深度学习的一点理解。 池化层 池化层分为平均池化和最大池化，意为当输入数据做出少量平移时，经过池化函数后的大多数输出还能保持不变。 个人认为所谓平均池化很类似图像处理中的均值滤波。都是取卷积核内部的平均值作为特征图的输出。而最大池化个人感觉类似中值滤波，只不过将滤波器的中值部分换为了最大值部分。 现在有疑问，如果我的上述感觉是正确的那为什么要区分卷积层与池化层呢？感觉池化层就是一个已经确定好权重的卷积操作。 自定义卷积核 在pyt
使用TensorFlow搭建CNN卷积层和池化层
疯狂的兔子
01-19 4067
下面代码中，输入图像色彩通道为3；卷积层的过滤器大小设置为5*5，深度为16，步长为1；池化层的过滤器大小设置为3*3，步长为2。import tensorflow as tf# 构建卷积层# 通过tf.get_variable的方式创建过滤器的权重和偏置项 # 卷积层的参数个数之和过滤器的尺寸、深度以及当前层节点矩阵的深度有关 # 声明四维矩阵，前两维为过滤器的尺寸，第三维为当前层的深度，第四维为
本地小说阅读器可执行文件新版
08-29
导入小说，需通过文件-转换，选择txt小说，生成同名小说文件夹； 之后通过文件-小说，选择小说文件夹，就完成小说导入了。 txt小说只需转换一次。
452、基于单片机的智能水杯系统设计（原理图、源代码）
最新发布
08-29
452、基于单片机的智能水杯系统设计（原理图、源代码） 该系统为单片机的智能水杯系统，实现水质、水温检测，智能控温等设计； 功能： 1、使用51单片机为核心设计； 2、水质TDS值检测，检测水质情况； 3、水温检测； 4、温度和TDS值显示在LCD1602上； 5、按键实现水温阈值控制； 6、加热模块和制冷模块控制，控制水温； 7、声光告警电路，实现温度到达提醒； 8、提供原理图和源代码；
TensorFlow实现LeNet-5：MNIST手写数字识别
在深度学习领域，LeNet-5是一个经典的卷积神经网络（CNN）模型，由Yann LeCun等人在1998年提出，主要用于图像分类任务。在这个例子中，LeNet-5被应用于MNIST数据集，这是一个包含60,000个训练样本和10,000个测试样本...
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