CNN示例（识别手写体）

80 阅读 0 评论 53 点赞

我是靠谱客的博主矮小睫毛，这篇文章主要介绍CNN示例（识别手写体），现在分享给大家，希望可以做个参考。

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

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。