概述
TensorFlow实现卷积神经网络
一 本节课程介绍
1.1 知识点
1、卷积神经网络介绍；
2、TensorFlow实践CNN网络；
二 课程内容
2.1 卷积神经网络基本介绍
卷积神经网络是一种使用卷积结构构建的神经网络模型，其特点是局部感知、权值共享，池化减少参数和多层次结构。
其基本结构包括输入层、卷积层、降采样和全连接输出层。其中每一层都由卷积核对图像进行卷积计算，将计算到的矩阵称称为特征图，特征图在原图像所映射的区域称之为感受野。一般而言，第一个卷积层的感受野大小等于卷积核大小，而之后的卷积层的感受野大小都与之前的每一个卷积核大小和步长有关。下面开始介绍卷积核和步长的基本概念。
2.1.1 卷积核和步长
其中卷积核包括卷积核尺寸、输入通道数和输出通道数。如（5,5,32,64）意思为64个32通道的5*5卷积核和输入进行卷积得到64个卷积结果。其中卷积的计算按照逐个元素相乘再求和的方式进行操作。而每一个卷积移动的长度即为其卷积步长。
最后
以上就是疯狂往事为你收集整理的第七课 TensorFlow实现卷积神经网络TensorFlow实现卷积神经网络的全部内容，希望文章能够帮你解决第七课 TensorFlow实现卷积神经网络TensorFlow实现卷积神经网络所遇到的程序开发问题。
如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。
本图文内容来源于网友提供，作为学习参考使用，或来自网络收集整理，版权属于原作者所有。
发表评论 取消回复