- 博客(4)
- 收藏
- 关注
RSS订阅原创 超详细深度学习笔记：从ANN到CNN+DNN的图像分类实践，全讲明白啦！
本文系统介绍了深度学习中的三种核心网络结构：人工神经网络(ANN)、深度神经网络(DNN)和卷积神经网络(CNN)。首先阐述了ANN的基本原理，包括神经元模型、激活函数和反向传播算法；然后分析了DNN的深层特征提取能力及其训练挑战；重点讲解了CNN的卷积操作、池化层等核心组件及其在图像处理中的优势。通过对比三种网络的特性，提出了CNN+DNN的混合架构方案，结合CNN的局部特征提取和DNN的非线性映射能力，实现CIFAR10图像分类任务。文章还详细解析了网络架构设计思路和代码实现方案，包括卷积块的层次化设计
2026-01-15 00:43:54
1411
4训练CNN-DNN融合模型：识别CIFAR10数据集
本项目结合了CNN和DNN的优势，利用CNN提取图像的局部特征，再通过DNN进行分类，适合作为深度学习初学者的学习示例。
不过效果貌似一般般，如下：
总训练轮数: 50
最终训练损失: 0.4669
最终训练准确率: 86.28%
最终验证准确率: 82.79%
最佳验证准确率: 82.79%
2026-01-14
免费 CNN（卷积神经网络）代码，可以直接运行，非常详细，适合入门
CNN，代码可以直接运行，非常详细，有需要自取
1. 仅供入门学习
2. 用的CIFAR10数据集
3. 数据集在压缩包中也有
4. 不用担心环境不会装 pip install requirement一键搞定
5. 我也是初学者，也欢迎大佬指正批评
6. 免费共享，探讨交流（指出错误） +V：F18761523731
2026-01-13
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人