文章目录 卷积神经网络 手写数字代码 可视化CNN的loss与准确率 RNN LSTM LSTM程序数字识别 保存以及载入训练好的模型 使用Googlenet进行图像识别,识别1000个类别 卷积神经网络 传统神经网络的弊端对于处理图片计算量太大 。若数据很少,建立的模型很复杂,就会过拟合,或者数据量大,但是构建的网络太简单,就会欠拟合。一般网络越复杂,就需要越多的样本来进行训练。一般样本数量大小最好是里面权值的5-10倍。 CNN一个神经元只连接到前面图片的某一部分。 不同的卷积核可以对图片的不同特征进行采样,如有5个不同的卷积核,就可以采样出5幅不同的特征图,不同的特征图对于后面我们做图片分类是有很大作用的。 手写数字代码 即窗口大小。