CNN概念
卷积神经网络(Convolutional Neural Network,CNN)是一种前馈神经网络,它的人工神经元可以响应一部分覆盖范围内的周围单元,对于大型图像处理有出色表现。
CNN卷积神经网络一共有5个层次结构:
输入层
卷积层
激励层
池化层
卷积层、激活函数、池化层
卷积层:
对输入图像和滤波矩阵做内积的操作就是卷积
填充值:
在进行卷积运算时,输入矩阵的边缘会比矩阵内部的元素计算次数少,可在输入矩阵的四周补零,称为padding
步幅:
数据多的时候每次计算滑动一格导致计算量很大,可以增加步幅比如每次计算滑动两格来减少计算量
激活函数:
对于我们所要处理的问题不一定是线性可分的,为了解决这样的问题要引入激活函数引入非线性因素。加入了激活函数之后,模型才具备了分层的非线性映射学习能力,具有更高的抗干扰能力。
池化层:
最大池化:
平均池化:
池化的作用:简化网络计算的复杂程度,特征压缩,提取主要的特征,防止过拟合,加快计算速度
AI Studio测试截图