学习CNN系列二:训练过程

Posted candyren

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了学习CNN系列二:训练过程相关的知识,希望对你有一定的参考价值。

  卷积神经网络在本质上是一种输入到输出的映射,它能够学习大量的输入与输出之间的映射关系,而不需要任何输入和输出之间精确的数学表达式,只要用已知的模式对卷积神经网络加以训练,网络就具有输入、输出之间映射的能力。

  其训练算法与传统的BP算法类似,主要分4步,可分为2个阶段:

  第一阶段,前向传播阶段:

  (1)从样本集中取一个样本,将样本输入网络;

  (2)计算相应的实际输出。

  在此阶段,信息从输入层经过逐级的变换,传送到输出层。这个过程也是网络在完成训练后正常运行时执行的过程。

  第二阶段,后向传播阶段:

  (3)计算实际输出与相应的理想输出之间的误差;

  (4)计算每个权重的梯度,再用梯度下降算法更新权重。

  ------------------------------------------------------------------------------------------------------------------------------------------------------------------------

  

以上是关于学习CNN系列二:训练过程的主要内容,如果未能解决你的问题,请参考以下文章

Deep Learning(深度学习)学习笔记整理(二)

编写C语言版本的卷积神经网络CNN之三:CNN的误差反向传播过程

两阶段目标检测R-CNN论文精读与学习总结

两阶段目标检测R-CNN论文精读与学习总结

RCNN学习笔记

Caffe CNN 训练过程陷入循环