理解CNN（CNN过程可视化）

最新推荐文章于 2023-11-18 17:23:50 发布

whale998

最新推荐文章于 2023-11-18 17:23:50 发布

阅读量3.8k

点赞数 7

分类专栏：小白进阶过程文章标签：神经网络计算机视觉 python 机器学习网络

本文链接：https://blog.csdn.net/weixin_42265958/article/details/107286228

版权

文章目录

Github项目地址
在线demo地址

整个网络的流程：

input(64,64,3)–>conv_1_1(62,62,10)–>relu_1_1(62,62,10)–>conv_1_2(60,60,10)–>relu_1_2(60,60,10)–>max_pool_1(30,30,10)–>conv_2_1(28,28,10)–>relu_2_1(28,28,10)–>conv_2_2(26,26,10)–>relu_2_2(26,26,10)–>max_pool_2(13,13,10)(–>flatten(1690)–>softmax(10))–>output(10)

What is a Convolutional Neural Network?

A CNN is a neural network: an algorithm used to recognize patterns in data. Neural Networks in general are composed of a collection of neurons that are organized in layers, each with their own learnable weights and biases.

CNN是一种神经网络，是一种被用于识别数据模式（recognize patterns in data） 的一种算法

神经网络（Neural Networks）通常是由一系列的神经元(neurons)组成，这些神经元分层组织(organized in layers)，每一个神经元都有它们自己的学习权重（learnable weights）和偏差（biases）。

下面将CNN分为几个基础的构建块（building blocks）来描述：

A tensor can be thought of as an n-dimensional matrix.
tensor 是一个n维的矩阵（n-dimensional matrix）
在该项目提到的CNN网络中，除了输出层以外，tensors都是三维的。
A neuron can be thought of as a function that takes in multiple inputs and yields a single output.
neuron 可以被理解为一个函数，接受多个inputs，输出单个output
A layer is simply a collection of neurons with the same operation, including the same hyperparameters.
layer 就是一系列神经元的集合，这些神经元具有相同的操作，包含相同的超参数。
Kernel weights and biases, while unique to each neuron, are tuned during the training phase, and allow the classifier to adapt to the problem and dataset provided.
Kernel weights and biases 对每个神经元来说都是特殊的，这两个参数在训练的过程中被调整（tuned），这也使得分类器根据提供的数据集适应问题。
A CNN conveys a differentiable score function, which is represented as class scores in the visualization on the output layer.
CNN传达了一个可微分的分数函数，该函数在输出层的可视化中表示为类分数（class scores）。