本文深入探讨了卷积神经网络（CNN），从机器学习的本质出发，详细介绍了卷积的数学定义及其在深度学习中的应用。通过实例解释了卷积运算如何帮助提取图像特征，展示了CNN的经典结构如LeNet-5，并讨论了深度学习模型如AlexNet和VGGNet的结构特点。同时，提到了ResNet的残差单元解决深度退化问题的方法。
鄙人的新书《elasticsearch7完全开发指南》，欢迎订阅！
https://wenku.baidu.com/view/8ff2ce94591b6bd97f192279168884868762b8e7
《kibana权威指南》
https://wenku.baidu.com/view/24cfee1ce43a580216fc700abb68a98270feac21
技术交流qq群： 659201069
视频教程：https://edu.csdn.net/course/detail/8587
转载请注明出处
本文引用了TensorFlow实战的部分内容，如果涉及版权问题，请您联系本人，本人将立即删除。610417806@qq.com
机器学习的本质
机器学习的本质，可以用上图来概括。深度学习是机器学习的一个分支，更准确得说是机器学习一种新的实现技术。机器学习就是寻找一个函数，这个函数可以根据输入给出输出即预测值，分类、回归、推荐等所有的机器学习都是为了找到一个函数。如何寻找这个函数据，一般情况下就是根据现有数据进行训练，函数更专业的述语是模型，训练得到的模型就是要找的函数。而深度学习的核心技术就是卷积运算。
卷积的数学定义
卷积运算源自于信号与系统学科，是指两个信号平移与叠加的过程。如下举例讲解，以离散信号为例，连续信号同理。
已知x[0] = a, x[1] = b, x[2]=c
已知y[0] = i, y[1] = j, y[2]=k
下面通过演示求x[n] * y[n]的过程，揭示卷积的物理意义。
第一步，x[n]乘以y[0]并平移到位置0：
第二步，x[n]乘以y[1]并平移到位置1
第三步，x[n]乘以y[2]并平移到位置2：
最后，把上面三个图叠加，就得到了x[n] * y[n]：
最低0.47元/天 解锁文章
扫一扫
2292
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
