本文详细介绍了使用Python实现的卷积神经网络（CNN）案例，包括CNN模型的初始化和损失函数。在`__init__()`函数中，初始化权重和偏置，卷积层的filter_size设为7，导致pad值为3，输出尺寸保持不变。`loss()`函数中定义了卷积和池化层参数，池化层通过设定参数使得输出尺寸减半。通过对参数的设置和计算，构建了一个简单的CNN网络结构。
本案例中定义的CNN网络模型如下：
cnn.py文件中的__init__()函数主要作用是对卷积神经网络的参数w1,w2,w3等进行初始化，下面是该函数的代码：
def __init__(self, input_dim=(3, 32, 32), num_filters=32, filter_size=7,
hidden_dim=100, num_classes=10, weight_scale=1e-3, reg=0.0,
dtype=np.float32):
self.params = {}
self.reg = reg
self.dtype = dtype
# Initialize weights and biases
C, H, W = input_dim
self.params['W1'] = weight_scale * np.random.randn(num_filters, C, filter_size, filter_size)
self.params['b1'] = np.zeros(num_filters)
self.params['W2'] = weight_scale * np.random.randn(int(num_filters*H*W/4), hidden_dim)
self.params['b2'] = np.zeros(hidden_dim)
self.params['W3'] =
最低0.47元/天 解锁文章
2621
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
