卷积神经网络计算题试题_卷积神经网络CNN代码试题.doc

本文介绍了深度学习工具包DeepLearnToolbox中的卷积神经网络CNN代码,包括Test_example_CNN、cnntrain、cnnff、cnnbp和cnnapplygrads等函数的详细使用和作用。该模型基于mnist数据集,通过批训练方法进行训练,并绘制了均方误差曲线。Cnnsetup负责初始化参数,cnntrain进行训练,cnnff执行前向传播,cnnbp计算误差和梯度,cnnapplygrads更新权重。
摘要由CSDN通过智能技术生成

卷积神经网络CNN代码解析 deepLearnToolbox-master是一个深度学习matlab包,里面含有很多机器学习算法,如卷积神经网络CNN,深度信念网络DBN,自动编码AutoEncoder(堆栈SAE,卷积CAE)的作者是 Rasmus Berg Palm rasmusbergpalm@

代码下载:/rasmusbergpalm/DeepLearnToolbox

这里我们介绍deepLearnToolbox-master中的CNN部分。

DeepLearnToolbox-master中CNN内的 函数:

调用关系为:

该模型使用了mnist的数字mnist_uint8.mat作为训练样本,作为cnn的一个使用样例,

每个样本特征为一个28*28 的向量。

网络结构为:

让我们来看看各个函数:

一、Test_example_CNN:2

三、cnntrain.m5

四、cnnff.m6

五、cnnbp.m7

五、cnnapplygrads.m10

六、cnntest.m11

Test_example_CNN:

Test_example_CNN:

1设置CNN的基本参数规格,如卷积、降采样层的数量,卷积核的大小、降采样的降幅

2 cnnsetup函数 初始化卷积核、偏置等

3 cnntrain函数 训练cnn,把训练数据分成batch,然后调用

3.1 cnnff 完成训练的前向过程,

3.2 cnnbp计算并传递神经网络的error,并计算梯度(权重的修改量)<

  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值