建立CNN模型
1.import 相关模组
- sequential
- Conv2D
- MaxPooling2D
- Dropout
2. 用Sequential开始建模
3. convolution and pooling
3.1 卷积层
一个滤镜(矩阵),把本来的图片进行转换,转换之后可以代表之前的一些特征。(放大本来的特征)
长宽压缩,高度增加。
3.2 池化层
在每一次卷积时,网络可能无意丢失一些信息,这时pooling可以解决。
Conv2d 和 pooling 交替使用
relu = max(0, x)
sigmoid = 1/(1+e^(-x))
- 抛弃层
- 平坦层
隐藏层(暂时不考虑)
4. 训练模型
定义:
- loss function
- optimizer
- metrics 评分方法
进行训练
- 70%train, 30%test
5. 例子
class CNN(nn.Module):
def __init__(self):
super(CNN