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！