作者: 年拾柒 编辑: Morvan
我们的一般的神经网络在理解图片信息的时候还是有不足之处, 这时卷积神经网络就是计算机处理图片的助推器. Convolutional Neural Networks (CNN) 是神经网络处理图片信息的一大利器. 有了它, 我们给计算机看图片,计算机理解起来就更准确.
计算机视觉处理的飞跃提升,在图像和语音识别方面表现出了强大的优势,学习卷积神经网络之前,我们已经假设你对神经网络已经有了初步的了解,如果没有的话,可以去看看tensorflow
第一篇视频教程哦~
卷积神经网络包含输入层、隐藏层和输出层,隐藏层又包含卷积层和pooling
层,图像输入到卷积神经网络后通过卷积来不断的提取特征,每提取一个特征就会增加一个feature map
,所以会看到视频教程中的立方体不断的增加厚度,那么为什么厚度增加了但是却越来越瘦了呢,哈哈这就是pooling
层的作用喽,pooling
层也就是下采样,通常采用的是最大值pooling
和平均值pooling
,因为参数太多喽,所以通过pooling
来稀疏参数,使我们的网络不至于太复杂。
好啦,既然你对卷积神经网络已经有了大概的了解,下次课我们将通过代码来实现一个基于MNIST数据集的简单卷积神经网络。
联系客服