ML算法(四)——CNN原理
2021/9/5 17:36:16
本文主要是介绍ML算法(四)——CNN原理,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!
卷积神经网络应用领域包括检测任务、分类与检索、超分辨率重构、医学任务、无人驾驶、人脸识别等。
卷积网络与传统网络的区别:
CNN新增了卷积层和池化层,连接顺序是"卷积层-RELU-(池化层)"
全连接,Affine层跟着激活函数RELU层或SIGMOID层,最后由Softmax层输出最终结果概率
整体架构:输入层、卷积层、池化层、全连接层
输入层(input layer):
1.数据预处理
2.常见预处理方式:a.数据标准化,将数据按比例缩放,常用的方法是Z-Score标准化,用于评估样本点到总体均值的距离
b.数据增强, 即增加训练数据,则能够提升算法的准确率,避免过拟合
卷积层(Convolution):
全连接忽视形状,需要将三维变一维;而卷积层可以保持形状不变,h*w*c(height,width,channel)
卷积层输入数据为输入特征图,输出数据为输出特征图
卷积运算相当于滤波器
填充:向输入数据周围填入固定数据如0,调整输出大小
步幅:应用滤波器的位置间隔
批处理:mini-batch,(batch_num, channel, height, width)
激活函数,最常用是RELU函数,f(x)=max(0,x)
池化层(Pooling):往往在卷积层后面,通过池化降低卷积层输出的特征向量
对输入的特征图进行压缩,一种是Avy Pooling ,一种是max Pooling
全连接 (fully-connected):
连接所有的特征,将输出值送给分类器(如softmax分类器)
这篇关于ML算法(四)——CNN原理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!
- 2024-07-03微信支付提示下单账户与支付账户不一致-icode9专业技术文章分享
- 2024-07-03微信支付提示订单号重复-icode9专业技术文章分享
- 2024-07-02微服务启动nacos注册上去了,但是一直没有收到请求-icode9专业技术文章分享
- 2024-07-02如何检查文件的编码格式-icode9专业技术文章分享
- 2024-07-02sublime 更改编码格式-icode9专业技术文章分享
- 2024-06-30uniAPP 实现全屏左右滚动滚动的效果-icode9专业技术文章分享
- 2024-06-30如何在本地使用授权或插件-icode9专业技术文章分享
- 2024-06-30伪静态规则配置方法汇总-icode9专业技术文章分享
- 2024-06-29易优CMS安装常见问题汇总-icode9专业技术文章分享
- 2024-06-28易优新手必读安装教程-icode9专业技术文章分享