矩阵的卷积操作——卷积神经网络的基础
看似高大上的神经网络算法,基础算法其实相当简单!谁都能学会,帮助你理解卷积神经网络!!
-
背景了解
1.卷积指的是两个变量在范围内相乘然后求和的结果。
2.对矩阵进行卷积则是两个矩阵点乘后加和的结果。
-
卷积神经网络
1 . 顾名思义就是加入卷积层的神经网络算法(除此以外还有一个池化层,后续会继续讲解)
2.卷积神经网络的好处在于参数共享,自动提取特征以及平移不变性,保留了矩阵中各参数的空间关系。同时与全连接神经网络相比,权值少,可以实现降维操作。
-
代码实现
卷积神经网络的基础就是对矩阵的卷积运算,其代码实现实则出乎意料的简单。
import numpy as np
# 首先通过numpy包构建一个5*5,数值从0-24的矩阵,-1表示根据行为5可以自动推算出列为5。
a = np.arange(0, 25