锐客网

  1. 首页 > 睿知 > it技术 > >

卷积神经网络中的CNN是啥（）

IT知识神经网络卷积

相逢意气为君饮，系马高楼垂柳边。这篇文章主要讲述卷积神经网络中的CNN是啥？相关的知识，希望能为你提供帮助。

主页:  ??小王叔叔的博客??欢迎来访
支持:点赞收藏关注
?
?
1 概念??百度百科??中讲到卷积神经网络（Convolutional Neural Networks, CNN）是一类包含??卷积??计算且具有深度结构的??前馈神经网络??（Feedforward Neural Networks），是??深度学习??（deep learning）的代表算法之一  。
【卷积神经网络中的CNN是啥（）】?
CNN由纽约大学的Yann Lecun于1998年提出，其本质是一个多层感知机，成功的原因在于其所采用的局部连接和权值共享的方式：
  • 一方面减少了权值的数量使得网络易于优化
  • 另一方面降低了模型的复杂度，也就是减小了过拟合的风险
2 结构卷积神经网络是一种带有卷积结构的深度神经网络，卷积结构可以减少深层网络占用的内存量，其三个关键的操作，其一是局部感受野，其二是权值共享，其三是pooling层，有效的减少了网络的参数个数，缓解了模型的过拟合问题。
卷积神经网络结构包括：卷积层、池化层、和全连接层。通过堆叠这些层结构形成一个卷积神经网络。将原始图像转化为类别得分，其中卷积层和全连接层拥有参数，激活层和池化层没有参数。
?
（1）卷积层(Convolutional Layer)    主要作用是提取特征
      属构建神经网络的核心层，在其中产生大部分的计算量，通过它我们也可以提取图像的特征。
      1.  滤波器的作用或者说是卷积的作用。
      2.  可以被看做是神经元的一个输出。
      3.  降低参数的数量。
?
（2）池化层(Max Pooling Layer)  主要作用是下采样(downsampling)，却不会损坏识别结果。
  池化层本质上是下采样，利用图像局部相关性的原理（认为最大值或者均值代表了这个局部的特征），对图像进行子抽样，可以减少数据处理量同时保留有用信息。池化操作可以逐渐降低数据体的空间尺寸，这样的话就能减少网络中参数的数量，使得计算资源耗费变少，也能有效控制过拟合。
?
    通常卷积层和池化层会重复多次形成具有多个隐藏层的网络，俗称深度神经网络。
（3）全连接层(Fully Connected Layer)  主要作用是分类。
      通过前面（1）和（2）得到的特征后，在全连接层中进行更好的特征分类，进一步将特征转化为类=类别进行输出。
（4）DropOut针对某个神经元，通过定义的概率删除一些神经元，同时保证输入层和输出层保持不变，然后通过方法进行更新。
?
  （5）softmax层Softmax层也不属于CNN中单独的层，一般要用CNN做分类的话，我们习惯的方式是将神经元的输出变成概率的形式。
3  特征（1）局部感受野
（2）卷积层的权值共享
?
?
??注意 ~

    推荐阅读


    上一篇：kuberneteskubeadm安装多master节点的k8s集群

    下一篇：flink开发环境搭建maven环境搭建IDEA环境搭建