转载整理自机器之心发布于知乎的答案点击打开链接,侵删!
深度 | 从入门到精通:卷积神经网络初学者指南点击打开链接
作者:Adit Deshpande 机器之心编译 参与:牛春雨、Quantum、原野、吴攀、李亚洲
这是一篇向初学者讲解卷积神经网络的系列文章,机器之心编译了已经发表了的 Part 1 和 Part 2
Part 1:图像识别任务
介绍
问题空间
输入与输出
我们想要计算机做什么
生物学连接
结构:详细的 CNN 工作概述指的是你挑一张图像,让它历经一系列卷积层、非线性层(ReLU)、池化(下采样(downsampling))层和完全连接层,最终得到输出。
第一层——数学部分
第一层——高层次角度
网络中的更深处:一个典型的 CNN 结构看起来是这样的:
输入→卷积→ReLU→卷积→ReLU→池化→ReLU→卷积→ReLU→池化→全连接
完全连接层
训练(也就是:什么能让其有效)
测试
企业如何使用 CNN
------------------------------------------------------------------------------------------
Part 2:卷积神经网络中的部分问题
步幅(stride)和填充(padding)
如果你的步幅(stride)为 1,而且把零填充(zero padding)设置为:
其中K 是过滤器尺寸,那么输入和输出内容就总能保持一致的空间维度。
----------------------------------------
计算任意给定卷积层的输出的大小的公式是
其中 O 是输出尺寸,W是输入尺寸,K 是过滤器(filter)尺寸,P 是填充,S 是步幅。
选择超参数
ReLU(修正线性单元)层
池化层
Dropout 层
网络层中的网络
分类、定位、检测、分割