人工智能学习

卷积神经网络

本文主要是介绍卷积神经网络,对大家解决编程问题具有一定的参考价值,需要的程序猿们随着小编来一起学习吧!

1.对于普通的多层神经网络,只有一个全连接层

而对于图像的处理,往往是rgb三个参数,即有三维,数据量太大,多层神经网络不能有很好的效果,则需要将三维的参数转到全连接层的一维,这时就需要通过卷积神经网络。

 以上图均为卷积神经网络图

2.卷积运算

        卷积神经网络中卷积层进行的处理就是卷积运算

         滤波器的作用就相对于过滤,在输入数据中进行线性叠加并输出,在一些文献中被称为“核”。同时在卷积运算之中也有偏置的存在,计算如图所示:

         此外,除了二维的运算,我们运用卷积神经网络主要是为了处理图像等问题,往往有多维,例如图像就有三维(在3维数据的卷积运算中,输入数据和滤波器的通道数 要设为相同的值),即有三个通道,只需将三个通道与三个对应的过滤器进行线性叠加后再相加即可,如图所示:

3.padding零填充

        在卷积运算后,往往维度会降低,会造成边缘数据的缺失,所以往往会在原来数据的外层添加n层数据为0的数据,0数据不会对原始数据造成影响,避免了增加额外的干扰数据

         所以对于填充会有两种形式

①vaild:不填充

②same:填充为与原来数据维数一样,输出的公式如下

这篇关于卷积神经网络的文章就介绍到这儿,希望我们推荐的文章对大家有所帮助,也希望大家多多支持为之网!