一个卷积神经网络包括卷积层,池化层和全连接层(fully connected layer)
在统计神经网络有多少层时,通常只统计具有权重和参数的层,因为池化层没有权重和参数,所以我们把一个Conv(卷积层)和一个POOL(池化层)共同作为一个卷积,两者组成神经网络Layer(层)的一部分。
当将下图的POOL2平整化为一个大小为400的一维向量时,再利用这400个单元构建下一层(含有120个单元),
就得到第一个全连接层FC3,这400个单元和120个单元紧密相连,它在120*400的维度上具有一个权重矩阵W[3],
然后输出120个维度,对这120个单元再添加一个全连接层(84个单元),标记为FC4,
用这84个单元填充一个softmax单元,例如识别手写的0~9,则softmax就会有10个输出。
Convolutional Neural
最后
以上就是矮小睫毛最近收集整理的关于CNN示例(识别手写体)的全部内容,更多相关CNN示例(识别手写体)内容请搜索靠谱客的其他文章。
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