CNN 卷积神经网络-学习笔记
1. FNN与CNN有哪些区别
在 FNN 部分所推导的正则化技巧方面,我们将会观察需要对 CNN 做出哪些修改?
FNN:常规前馈神经网络 该网络不考虑输入数据可能具备的任何特定结构。
CNN:卷积神经网络,是一种深层前馈神经网络。
2. CNN要干什么事?
参考 https://blog.csdn.net/v_JULY_v/article/details/51812459
上图中CNN要做的事情是:给定一张图片,是车还是马未知,是什么车也未知,现在需要模型判断这张图片里具体是一个什么东西,总之输出一个结果:如果是车 那是什么车?
(1) 最左边是数据输入层:
对数据做一些处理,比如去均值(把输入数据各个维度都中心化为0,避免数据过多偏差,影响训练效果)、归一化(把所有的数据都归一到同样的范围)、PCA/白化等等。CNN只对训练集做“去均值”这一步。
(2) 中间是CONV:
卷积计算层,线性乘积 求和。
RELU:激励层
POOL:池化层,简言之,即取区域平均或最大。
(3) 最右边是
FC:全连接层
2.1 CNN又怎么进行识别呢?
例如,给出“X”的一张图片