卷积神经网络

Posted James

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了卷积神经网络相关的知识,希望对你有一定的参考价值。

优化

池化 Pooling

max pooling
 理论上,最大池化操作的好处是减小输入大小,使得神经网络能够专注于最重要的元素。最大池化只取覆盖区域中的最大值,其它的值都丢弃。

TensorFlow 提供了 tf.nn.max_pool() 函数,用于对卷积层实现 最大池化 。
conv_layer = tf.nn.conv2d(input, weight, strides=[1, 2, 2, 1], padding=‘SAME‘)
conv_layer = tf.nn.bias_add(conv_layer, bias)
conv_layer = tf.nn.relu(conv_layer)
# Apply Max Pooling
conv_layer = tf.nn.max_pool(
    conv_layer,
    ksize=[1, 2, 2, 1],
    strides=[1, 2, 2, 1],
    padding=‘SAME‘)
mean pooling

1x1卷积 convolutions

Inception架构

以上是关于卷积神经网络的主要内容,如果未能解决你的问题,请参考以下文章

卷积神经网络之GAN(附完整代码)

卷积神经网络:反向传播过程的代码实现

卷积神经网络(原理与代码实现)

卷积神经网络(原理与代码实现)

深度卷积生成对抗网络(DCGAN)简介及图像生成仿真(附代码)

卷积神经网络结构——LeNet-5(卷积神经网络入门,Keras代码实现)