卷积神经网络CNN入门

轮廓识别

一.基础概念

选择一个局部区域,用这个局部区域去扫描整张图片,连接局部区域所圈起的节点连接到下一个层的一个节点上、

1.全连接OS大数据宽依赖

(1)全连接

(2)宽依赖

2.局部连接

(1)局部连接

3.非线性映射

通过激活函数对输入值进行激活(过滤)

4.filter

一个[n,n…,n]（n>0）的矩阵框，用于图片扫描****及特征提取
示例: 第一副GIF中的红框就是(2*2)

5.高维输入

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-QwZlPPlh-1627978338703)(:/56b8077b0abd47109cd21a8e24558848)]

二.卷积

先选择局部区域，用这个局部区域去扫描整张图片,局部区域所圈住的所有节点传输个下一层

三.池化

将输入值分割成块,选取块中的特征值代表这个块(特征提取)

四.全连接层

五.Conv2D卷积函数了解

input接受: （样本个数，通道数，行数，列数）4维数据

参数名	解释	作用
input	接受输入数据	为卷积通过样本输入窗口
filters	4D卷积过滤器	设卷积的样本扫描框（>=4维）
strides	滑动窗口的步幅	设定扫描的移动步长
padding	卷积的填充算法	针对卷积后的异常数据进行填充

六.MaxPool2D池化函数了解

参数名	解释	作用
pool_size	垂直和水平因素，通过它缩小规模。
strides	步长	设定扫描的移动步长
padding	池化的填充算法	针对池化后的异常数据进行填充