卷积神经网络主要应用于计算机视觉相关任务,但它能处理的任务并不局限于图像,其实语音识别也是可以使用卷积神经网络。
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、
池化(下采样(downsampling))层
和全连接层,
最终得到输出。正如之前所说,输出可以是最好地描述了图像内容的一个单独
分类或一组分类的概率。
什么是卷积?
卷积是指将卷积核应用到某个张量的所有点上,通过将卷积核在输入的张量上滑动而生成经过滤波处理的张量。
卷积完成的是 对图像特征的提取或者说信息匹配,当一个包含某些特征的图像经过一个卷积核的时候,一些卷积核被激活,输出特定信号。
为什么说Dropout可以解决过拟合?
(1)取平均的作用
(2)减少神经元之间复杂的共适应关系
(3)Dropout类似于性别在生物进化中的角色:
如何提高网络的拟合能力?
1.增加层
2.增加隐藏神经元个数
参数选择原则
首先开发一个过拟合的模型:
(1) 添加更多的层。
(2) 让每一层变得更大。
(3) 训练更多的轮次
然后,抑制过拟合:
(1)dropout
(2)正则化
(3)图像增强
再次,调节超参数:
学习速率&#x