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.卷积：提取特征
2.卷积神经网络可以分为两个大的部分：提取特征、分类
3.卷积的步长：卷积核走一步的距离
4.在这里插入图片描述
5.卷积操作：其实是把一张大图片分解成好多个小部分，然后依次对这些小部分进行识别
6.最大池化、均值池化
在这里插入图片描述
池化层的作用：卷积操作产生了太多的数据，如果没有pooling对这些数据进行压缩，那么网络的运算就会非常的巨大，而且数据参数过于冗余就非常容易导致过度拟合。
在这里插入图片描述
7.激活函数的作用是神经网络设计的一个核心单元，激活函数的作用是为了在神经网络中加入非线性
在这里插入图片描述
8.softmax用于多分类过程中，它将多个神经元的输出，映射到0.，1区间，可以看成概率来理解，从而来进行多分类

在这里插入图片描述
在这里插入图片描述

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

在这里插入图片描述
11.
在这里插入图片描述
在这里插入图片描述
12.

在这里插入图片描述

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！
您可能喜欢
栏目导航