背景
对许多机器学习问题来说,特征提取不是一件简单的事情。
人工的方式无法很好地抽取实体中的特征,是否有自动的方式呢?
深度学习解决的核心问题之一就是自动地将简单的特征组合成更加复杂的特征
应用领域
深度学习 ≈ 深层神经网络
深度学习最早兴起于图像识别,现在还用于语音识别,自然语音处理,人机博弈等领域
通过例子介绍CNN是什么
下图为用CNN进行手写数字识别的过程,可见我们输入一个手写数字的图片,然后输出9各类别的概率。
CNN分为两个部分,先对图片进行特征提取,然后根据提取的特征进行分类
feature extraction 特征提取
第一部分是feature extraction 即特征提取,这个操作得到的结果还是一个一个图片。
- 第一步:卷积操作 convolution
通过5*5的卷积核对输入图片进行卷积操作,得到28*28大小的feature maps。这里是用4个不同的卷积核对输入图片进行卷积操作。这里卷积核中的25个权重,就是深度学习学习的参数 - 第二步:池化操作p