计算机视觉和深度学习 学习笔记(二)
全连接神经网络总框图
全连接神经网络******
一、分类模型 ------多层感知机/全连接神经网络
全连接神经网络通过级联多个变换来实现输入到输出的映射
表达方式如下
全连接神经网络中:
W1可看作模板;模板个数人为指定
W2融合这多个模版的匹配结果来实现最终类别打分
全连接神经网络绘制
二、全连接神经网络中的激活函数
网络结构设计
深度设计------用多少个隐藏层
宽度设计------每个隐藏层用多少的神经元合适
小结
三、SOFTMAX操作
将输入到输出映射所得到的分数进行Softmax操作,使得到得分数为总体的概率
四、损失函数-----------交叉熵损失----------暂时不算太懂
通过交叉熵损失去度量分类器输出值和真实值之间的距离
对比上次学的多类支持向量机损失的区别
五、优化算法-计算图和反向传播
计算图:一种有向图,它用来表达输入、输出以及中 间变量之间的计算关系,图中的每个节点对应着一种数学运算
反向传播:在进行前向计算之后进行反向传播,计算过程中设计的梯度。