本文是作者学习莫烦Python中CNN相关内容的笔记，涵盖了卷积神经网络（CNN）、优化器（包括SGD、Momentum、AdaGrad、RMSProp和Adam）以及解决过拟合的方法——正则化和DropOut。还简单介绍了卷积层的运作机制和池化操作在TensorFlow中的实现。
背景：打算学习CNN，上一周看了莫烦的Python课程，目前看到了P28 18.3 CNN卷积神经网络
视频链接：https://www.bilibili.com/video/av16001891/?p=29
莫烦源代码：https://github.com/MorvanZhou/tutorials/tree/master/tensorflowTUT
笔记中只记录了部分原理，代码都放在文件夹中，可参考莫烦的源代码。
SGD：Stochastic Gradient Descent随机梯度下降法
其中SGD并不是最快的优化算法，我们可以用下图来看
该图为P18 优化器Optimizer加速神经网络训练（深度学习）中的图。SGD路线最短，速度最慢。
接
524
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
最低0.47元/天 解锁文章
